Impact of the Four‐Hour Rule/National Emergency Access Target policy implementation on emergency department staff: A qualitative perspective of emergency department management changes
Notice bibliographique
Résumé
OBJECTIVE: It has been 10 years since the ACEM Access Block Solutions Summit and 5 years since the introduction of the Four-Hour Rule/National Emergency Access Target (4HR/NEAT) policy. The impact of this policy on ED management and on ED staff has been poorly understood. The aim of the present study was to identify changes in ED management resulting from the policy based on ED staff experiences. METHODS: Semi-structured interviews were conducted and transcribed, imported to NVivo 11 and analysed using a combination of content, thematic analysis and phenomenological focus within a theoretical framework known as the 'logic model'. RESULTS: One hundred and nineteen ED staff participated in 2015-2016 to assess the impact of the policy implementation. Participants were drawn from 16 EDs in New South Wales, Queensland, Western Australia and Australian Capital Territory. In relation to ED management, three themes were identified: changes in ED management; activities and changes driven by the hospital in relation to 4HR/NEAT; and participant experiences in relation to policy compliance by staff. CONCLUSIONS: Policy implementation is a complex process that had both positive and negative consequences on how ED staff managed the implementation of the 4HR/NEAT policy and how it changed their work environment. Understanding the perceptions of staff involved in policy implementation has significance for the design of future implementation strategies. The biggest insight from the present study is that ED management is very complex and the policy generated multiple positive and negative changes demonstrating the wide range of processes involved in this area of health services research.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 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 ».