MétaCan
Menu
Retour à la cohorte
Enregistrement W2508513705 · doi:10.1080/19488300.2016.1226212

Studying nurse workload and patient waiting time in a hematology-oncology clinic with discrete event simulation

2016· article· en· W2508513705 sur OpenAlexaffabout
Chantal Baril, Viviane Gascon, Jonathan Miller, Claire Bounhol

Notice bibliographique

RevueIIE Transactions on Healthcare Systems Engineering · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Operations and Scheduling Optimization
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésWorkloadMorningMedicineHematologyScheduleNursingInternal medicineDiscrete event simulationOncologySimulationComputer science

Résumé

récupéré en direct d'OpenAlex

Our study is performed in a hematology-oncology clinic in Québec. This clinic experienced a 20% increase for hematology treatments and a 131% increase for oncology treatments. Clinic managers and personnel felt that this increase led to higher patient waiting time and personnel workload. Clinic managers decided to examine the possibility of adding resources to alleviate nurse workload. Patient trajectories and lead times, appointment scheduling and nurse workload are analyzed with a discrete-event simulation model. It is shown that patient waiting time is not too long. A nurse overload problem is observed with a nurse occupancy rate of 86.98% in the morning and 64.48% in the afternoon. New schedule appointments taking into account nurse capacity are proposed. These result in a decrease of the difference in nurse occupancy rates in the morning and in the afternoon.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,447
Score d'incertitude au seuil0,758

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,039
Tête enseignante GPT0,380
Écart entre enseignants0,341 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIIE Transactions on Healthcare Systems EngineeringMême sujetHealthcare Operations and Scheduling OptimizationTravaux en français237 207