P034: Pediatric emergency department return visits: a proactive approach to quality improvement
Notice bibliographique
Résumé
Introduction: Emergency Department (ED) return visits leading to admission (RVs) are a well-recognized quality metric that can potentially signal gaps in patient care. Routine capture, investigation and monitoring of monthly ED RVs provides a better understanding of patient and visit- level factors associated with a return, which can then inform system-level quality improvement (QI) opportunities. The objective of this study is to develop a sustainable database that routinely tracks and analyzes pediatric ED RVs in a large Canadian children’s hospital to understand recurring themes and inform QI initiatives. Methods: Using a computerized record system, all 72-hour RVs are collected and reviewed for patient and visit-level variables. Clinicians receive monthly notification of their RVs and assist with completing root cause analyses. Ongoing cumulative analyses using descriptive statistics and t-test analysis are reviewed to identity trends and predictors of RVs. Targeted solutions are sought to address system-level themes through educational, quality, safety and administrative avenues. Results: The RV database contains almost three years of data analyzing approximately 1,500 cases, equaling 0.75% of our annual ED patient volumes. RVs have higher acuity scores on both their index and return visit (P=0.001) and children under 12 months of age have significantly higher rates of return (24% vs 16%, P<0.001). A consultation service was involved during 31% of the index ED visits, with the top three consultants being Hematology/Oncology (23%), General Surgery (12%), and Neurology (8%). The root cause of the majority of RVs were related to disease progression (65%), while 8% were call-backs for positive blood cultures or discrepant results, and 6% were categorized as a misdiagnoses. Completed quality improvement initiatives to date include the ED Sickle Cell Optimization Program, the Culture Follow-up and Escalation Algorithm, and the Young Infant Fever Pathway and Order Set. Conclusion: Routine monitoring and investigation of ED RVs provides a proactive approach to seeking improvement opportunities. With a better understanding of specific patient and visit-level factors associated with RVs, future system-level quality improvement initiatives can be targeted.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,010 | 0,004 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».