Urology residents on call: Investigating the workload and relevance of calls
Notice bibliographique
Résumé
INTRODUCTION: On-call medical services assumed by residents represent many hours of hard work and no studies have documented what it really entails. As part of an effort to improve our on-call system, we examined phone calls received by residents on call. Our objectives were to evaluate the characteristics of phone calls received by residents on call (who, when, why, need to go to the hospital) and to determine residents' perception of these calls. We also looked into implementing strategies to reduce unnecessary calls. METHODS: We prospectively collected information about calls using a standardized reporting form with the participation of all residents (10) from a single urology program over two periods of four weeks from November 2014 to March 2015. Residents answered pre- and post-collecting period questionnaires. RESULTS: A total of 460 calls were recorded on 97 on-call days in two on-call lists. There was a mean of 3.5 (median 3, range 0-12) calls per weeknight and 7.7 (median 6, range 0-23) calls per weekend full day. Nintey-three calls (20%) led to the need for bedside evaluation and many of these were for new consultations (49%). The majority of calls originated from the clinical in-patient ward (49%) and emergency room (29%), and nurses (66%) and doctors (23%) most commonly initiated the calls. Calls between 11:00 pm and 8:00 am represented 13% of all calls. Most of the calls (77%) were perceived as relevant or very relevant. Most residents reported at least 80% of calls. CONCLUSIONS: Although likely representing an underestimate of the reality, we provide a first effort in documenting the call burden of Canadian urology residents.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».