Comparison of emergency department time performance between a Canadian and an Australian academic tertiary hospital
Notice bibliographique
Résumé
OBJECTIVE: To compare performance and factors predicting failure to reach Ontario and Australian government time targets between a Canadian (Sunnybrook Hospital) and an Australian (Austin Health) academic tertiary-level hospitals in 2012, and to assess for change of factors and performance in 2016 between the same hospitals. METHODS: This was a retrospective, observational study of patient administrative data in two calendar years. The main outcome measure was reaching Ontario and Australian ED time targets for admissions, high and low urgency discharges. Secondary outcomes were factors predicting failure to reach these targets. RESULTS: Between 2012 and 2016, Sunnybrook and Austin experienced increased patient volume of 10.2% and 19.2%, respectively. Bed capacity decreased at Sunnybrook (-10.8%) but increased at the Austin (+30.3%). For both years, Austin failed to achieve the Australian time target, but succeeded for all Ontario targets except for low urgency discharges. Sunnybrook failed all targets irrespective of year. The top factors for failing Ontario ED length-of-stay targets for both hospitals in 2012 and 2016 were bed request greater than 6 h, access block greater than 1 h, use of cross-sectional imaging, consultation and waiting for the emergency physician greater than 2 h. CONCLUSION: Austin outperformed Sunnybrook for Ontario and Australian government time targets. Both hospitals failed the Australian targets. Factors predicting failure to achieve targets were different between hospitals, but were mainly clinical resources. Sunnybrook focussed on increasing human resources. Austin focussed on increasing human resources, observation unit and hospital beds. Intrinsic hospital characteristics and infrastructure influenced target success.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».