MétaCan
Menu
Retour à la cohorte
Enregistrement W2801877404 · doi:10.12788/jhm.2959

A Matter of Urgency: Reducing Clinical Text Message Interruptions During Educational Sessions

2018· article· en· W2801877404 sur OpenAlexafffund
Arielle Mendel, Anthony Lott, Lisha Lo, Robert Wu

Notice bibliographique

RevueJournal of Hospital Medicine · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueHospital Admissions and Outcomes
Établissements canadiensUniversity of TorontoMcGill UniversityUniversity Health Network
Organismes subventionnairesUniversity of Toronto
Mots-clésMedicinePsychological interventionPhoneAuditHospital medicineNursingMedical emergencyMedical educationFamily medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Text messaging is increasingly replacing paging as a tool to reach physicians on medical wards. However, this phenomenon has resulted in high volumes of nonurgent messages that can disrupt the learning climate. OBJECTIVE: Our objective was to reduce nonurgent educational interruptions to residents on general internal medicine. DESIGN, SETTING, PATIENTS: This was a quality improvement project conducted at an academic hospital network. Measurements and interventions took place on 8 general internal medicine inpatient teaching teams. INTERVENTION: Interventions included (1) refining the clinical communication process in collaboration with nursing leadership; (2) disseminating guidelines with posters at nursing stations; (3) introducing a noninterrupting option for message senders; (4) audit and feedback of messages; (5) adding an alert for message senders advising if a message would interrupt educational sessions; and (6) training and support to nurses and residents. MEASUREMENTS: Interruptions (text messages, phone calls, emails) received by institution-supplied team smartphones were tracked during educational hours using statistical process control charts. A 1-month record of text message content was analyzed for urgency at baseline and following the interventions. RESULTS: The interruption frequency decreased from a mean of 0.92 (95% CI, 0.88 to 0.97) to 0.59 (95% CI, 0.51 to0.67) messages per team per educational hour from January 2014 to December 2016. The proportion of nonurgent educational interruptions decreased from 223/273 (82%) messages over one month to 123/182 (68%; P < .01). CONCLUSIONS: Creation of communication guidelines and modification of text message interface with feedback from end-users were associated with a reduction in nonurgent educational interruptions. Continuous audit and feedback may be necessary to minimize nonurgent messages that disrupt educational sessions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,077
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,383
Écart entre enseignants0,357 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Hospital MedicineMême sujetHospital Admissions and OutcomesTravaux en français237 207