Discrete-event simulation and design of experiments to study ambulatory patient waiting time in an emergency department
Notice bibliographique
Résumé
Despite major investments in healthcare, access to front line health services (family doctors, walk-in clinics) is still difficult. If front line healthcare services remain insufficient, emergency departments will have to offer non-urgent patients appropriate services. More than half of emergency patients are ambulatory patients and their medical condition is not usually as serious as for patients on stretchers (Thibeault, 2014 Thibeault, J. (2014). Le «vrai» temps d’attente moyen aux urgences est de 4 heures, Ici Radio-Canada, Consulté le 11 février 2016, Tiré de: http://ici.radiocanada.ca/nouvelles/societe/2014/06/11/009-temps-attente-urgences-hopitaux-quebec-patients-ambulatoires-quatre-heures.shtml [Google Scholar]). This paper is devoted to the analysis of ambulatory patient length of stay in an emergency department of a hospital in the province of Quebec. The average length of stay for ambulatory patients in that hospital is slightly more than 7 hours which exceeds the average 4 hours observed for all emergency departments in Quebec. To identify the factors and their interactions affecting the performance of the hospital emergency, measured by the average length of stay for ambulatory patients, experimental design and discrete-event simulation were used. This research aims at verifying how nurses can contribute to reduce emergency department overcrowding. Our results show that giving more responsibility to nurses (collective prescriptions, review patients) reduce greatly the average patient length of stay with less financial effort than adding new doctors. This allows doctors to focus on the more acute patients.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 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 ».