Effects of medical scribes on physician productivity in a Canadian emergency department: a pilot study
Notice bibliographique
Résumé
<h3>Background:</h3> Emergency department efficiency is a priority across Canada. In the United States, scribes may increase the number of patients seen per hour per physician; however, Canadian data are lacking. We sought to implement scribes in a Canadian emergency department with the hypothesis that scribes would increase the number of patients seen per hour per physician. <h3>Methods:</h3> We conducted a 4-month quality improvement pilot study in a community emergency department in Ottawa, Ontario. Data collection began January 2015 after scribe training. Physicians received shifts with and without a scribe for a period of 4 months. Across the study, the mean number of patients seen per hour was determined for each physician during shifts with and without a scribe. We compared mean (± standard deviation [SD]) number of patients seen per hour based on presence or absence of a scribe by 2-tailed paired-samples <i>t</i> test. <h3>Results:</h3> Eleven scribes participated and ranged in age from 18 to 23 years. Twenty-two full- or part-time emergency physicians were followed. We documented 463 physician-hours without use of a scribe and 693.75 physician-hours with use of a scribe. Across all 22 physicians, 18 (81.8%) saw more patients per hour with use of a scribe. Overall, the number of patients seen per hour per physician was significantly greater (+12.9%) during shifts with a scribe (mean [± SD] 2.81 [± 0.78]) than during shifts without a scribe (mean [± SD] 2.49 [± 0.60]; <i>p</i> = 0.006). <h3>Interpretation:</h3> In this pilot study, the use of scribes resulted in an increased number of patients seen per hour per physician. Because this was a small study at a single centre, further research on the effects of scribes in Canada is warranted.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».