MétaCan
Menu
Retour à la cohorte
Enregistrement W2559881125 · doi:10.2196/humanfactors.6642

Impact of Structured Rounding Tools on Time Allocation During Multidisciplinary Rounds: An Observational Study

2016· article· en· W2559881125 sur OpenAlexvenueno aff
Joanna Abraham, Thomas Kannampallil, Vimla L. Patel, Bela Patel, Khalid F. Almoosa

Notice bibliographique

RevueJMIR Human Factors · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueHospital Admissions and Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Advancing Translational SciencesAgency for Healthcare Research and Quality
Mots-clésObservational studyMultidisciplinary approachRoundingComputer scienceMedicineReliability engineeringEngineeringInternal medicinePolitical scienceOperating system

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Recent research has shown evidence of disproportionate time allocation for patient communication during multidisciplinary rounds (MDRs). Studies have shown that patients discussed later during rounds receive lesser time. OBJECTIVE: The aim of our study was to investigate whether disproportionate time allocation effects persist with the use of structured rounding tools. METHODS: Using audio recordings of rounds (N=82 patients), we compared time allocation and communication breakdowns between a problem-based Subjective, Objective, Assessment, and Plan (SOAP) and a system-based Handoff Intervention Tool (HAND-IT) rounding tools. RESULTS: We found no significant linear dependence of the order of patient presentation on the time spent or on communication breakdowns for both structured tools. However, for the problem-based tool, there was a significant linear relationship between the time spent on discussing a patient and the number of communication breakdowns (P<.05)--with an average of 1.04 additional breakdowns with every 120 seconds in discussion. CONCLUSIONS: The use of structured rounding tools potentially mitigates disproportionate time allocation and communication breakdowns during rounds, with the more structured HAND-IT, almost completely eliminating such effects. These results have potential implications for planning, prioritization, and training for time management during MDRs.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,172
Score d'incertitude au seuil0,753

Scores Codex et Gemma par catégorie

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

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 Opus0,126
Tête enseignante GPT0,413
Écart entre enseignants0,286 · 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'étudeObservationnel
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

Citations16
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Human FactorsMême sujetHospital Admissions and OutcomesTravaux en français237 207