Using RFID technology to drive quality improvement.
Notice bibliographique
Résumé
70 Background: The Odette Cancer Centre (OCC) is the sixth largest cancer institution in North America and manages over 24,000 chemotherapy patient visits/year. We initiated an automated system whereby patients can “actively” self-check-in using Radio Frequency Identification (RFID) cards to the chemotherapy unit as part of a quality improvement initiative. Methods: Four self check-in kiosks were implemented into the OCC and all patients received a unique identifiable RFID card. Patients “self-arrived” to the OCC upon entry as well as before the nursing assessment. The technology created an electronic data infrastructure to capture patient experience data for ambulatory chemotherapy. In addition, visual management boards have been implemented that display the patients’ unique identifiers and communicates their process status. This tool also acts as a call-in system wherein the screen flashes and prompts the patient to proceed to the service area. Data was extracted electronically from various information systems, consolidated in excel linking information by the patients hospital file number. Results were analyzed. Results: The mean number of patients treated per day is 85 with a range of 65 to 105 (n=853). Median wait time from arrival to chair placement was 1:52 minutes ranging 0:02 to 6:12. There were 43% of patients that had medication ready within 30 minutes of their appointment time. There was an observed reduction in interruptions to the assessment nurses related to patient status updates (data to be presented). Patient satisfaction was high despite the modest improvement in efficiency. Conclusions: A comprehensive business analysis is being performed on the operations of the OCC with the implementation of this technology. The visual management boards enhance communication to patients while increasing privacy and patient confidentiality. The boards allow for patient mobility in the waiting room and eases anxiety associated with being “lost in the queue”. Next steps for the OCC are to create a data cube linked with other systems to further enrich the data. This technology enabled data analysis, evaluated the impact of change, set baseline targets for performance and built continuous quality improvement.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».