A novel methodology to characterize interfacility transfer strategies in a trauma transfer network
Notice bibliographique
Résumé
BACKGROUND: More than half of severely injured patients are initially transported from the scene of injury to nontrauma centers (NTCs), with many requiring subsequent transfer to trauma center (TC) care. Definitive care in the setting of severe injury is time sensitive. However, transferring severely injured patients from an NTC is a complex process often fraught with delays. Selection of the receiving TC and the mode of interfacility transport both strongly influence total transfer time and are highly amenable to quality improvement initiatives. METHODS: We analyzed transfer strategies, defined as the pairing of a destination and mode of transport (land vs. rotary wing vs. fixed wing), for severely injured adult patients. Existing transfer strategies at each NTC were derived from trauma registry data. Geographic Information Systems network analysis was used to identify the strategy that minimized transfer times the most as well as alternate strategies (+15 or +30 minutes) for each NTC. Transfer network efficiency was characterized based on optimality and stability. RESULTS: We identified 7,702 severely injured adult patients transferred from 146 NTCs to 9 TCs. Nontrauma centers transferred severely injured patients to a median of 3 (interquartile range, 1-4) different TCs and utilized a median of 4 (interquartile range, 2-6) different transfer strategies. After allowing for the use of alternate transfer strategies, 73.1% of severely injured patients were transported using optimal/alternate strategies, and only 40.4% of NTCs transferred more than 90% of patients using an optimal/alternate transfer strategy. Three quarters (75.5%) of transfers occurred between NTCs and their most common receiving TC. CONCLUSION: More than a quarter of patients with severe traumatic injuries undergoing interfacility transport to a TC in Ontario are consistently transported using a nonoptimal combination of destination and mode of transport. Our novel analytic approach can be easily adapted to different system configurations and provides actionable data that can be provided to NTCs and other stakeholders. LEVEL OF EVIDENCE: Therapeutic study, level IV.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».