Collaboration, Interruptions, and Changeover Times: Workflow Model and Empirical Study of Hospitalist Charting
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Problem definition: Collaboration is important in services but may lead to interruptions. Professionals exercise discretion on when to preempt individual tasks to switch to collaborative tasks. Academic/practical relevance: Discretionary task switching can introduce changeover times when resuming the preempted task and, thus, can increase total processing time. Methodology: We analyze and quantify how collaboration, through interruptions and discretionary changeovers, affects total processing time. We introduce an episodal workflow model that captures the interruption and discretionary changeover dynamics—each switch and the episode of work it preempts—present in settings in which collaboration and multitasking is paramount. A simulation study provides evidence that changeover times are properly identified and estimated without bias. We then deploy the model in a field study of hospital medicine physicians: “hospitalists.” The hospitalist workflow includes visiting patients, consulting with other caregivers to guide patient diagnosis and treatment, and documenting in the patient’s medical chart. The empirical analysis uses a data set assembled from direct observation of hospitalist activity and pager-log data. Results: We estimate that a hospitalist incurs a total changeover time during documentation of five minutes per patient per day. Managerial implications: This estimate represents a significant 20% of the total processing time per patient: caring for 14 patients per day, our model estimates that a hospitalist spends more than one hour each day on changeovers. This provides evidence that task switching can causally lead to longer documentation time.
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.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle