Resident-driven Quality Improvement Pre-post Intervention Targeting Reduction of Emergency Department Decision to Admit Time
Notice bibliographique
Résumé
Long Emergency Department (ED) wait times represent a key point for quality improvement in many healthcare systems. A delayed ED disposition decision may lead to increased length of hospital stay, healthcare cost, and mortality. The objective of this resident-driven quality improvement (QI) intervention was to determine if a standardized resident admission protocol could reduce the ‘decision-to-admit’ (DTA) time of patients being assessed for admission to internal medicine (IM) at 3 tertiary care teaching hospitals. A standardized admission protocol was developed by a focus group of senior IM residents. DTA time data were tracked over a 6-month period, following implementation of the intervention. Residents identified potential barriers to timely DTA. A regular electronic newsletter summarized DTA time trends and reinforced the admission protocol. All data were extracted in aggregate form from a regional health authority database. There was an overall decline in DTA times for Medical Teaching Unit (MTU) admissions with our intervention. Over a 6-month period, when adjusted for junior learner numbers and admission volumes, DTA times at all 3 sites decreased by an average of 1.3 hours. Cost effectiveness analysis using a case mix group model yielded an average cost savings of $36.63 per admitted patient across the 3 sites. Reported barriers to admission included unclear patient disposition, high consult volume and unstable patient status. We have shown that a resident-driven QI intervention can be effective in reducing DTA times, and is cost saving to the healthcare system.
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 | 0,002 |
| 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) | 0,003 | 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 ».