Effect of Implementation of a Whole Blood Point-of-Care Device on After-Hours Call Backs at a Rural Hospital
Notice bibliographique
Résumé
The main advantages of point-of-care testing (POCT) are convenience of testing and immediacy of results. Cost savings are not a usual expectation of POCT. In fact, use of POCT may be several times more expensive in terms of consumables than traditional laboratory testing. However, this cost must also be balanced against potential savings in human resources costs. We present the results of an implementation of the i-STAT POCT device (Abbott Laboratories, Abbott Park, IL) in a small rural laboratory. In the 12 months leading up to this trial, technologists at this laboratory were called back after hours for stat testing requests approximately 60 times per month. Because of union regulations, each call back was remunerated at a minimum of 3 hours of double-time wages, amounting to $227.64 CDN per call back. In this trial, emergency room nursing staff were trained by laboratory staff on how to use the i-STAT, and laboratory technologists were called back only to perform testing not available on the i-STAT. No specific attempt was made to discourage technologist call backs. All tests performed with the i-STAT from the introduction date (October 15, 2010) until March 1, 2011 are included in this evaluation. Detailed cost estimates of i-STAT consumables were recorded for the first 2 months of use and extrapolated to estimate yearly costs. Following the introduction of the i-STAT POC device, there was an immediate and sustained reduction in technologist call backs of approximately 33%, resulting in net cost savings for this small laboratory of approximately $55,500 CDN per year. This device has previously been shown to reduce costs in other settings, although quality assurance must be rigorously maintained as discrepant results have been reported in some settings.
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».