The Impact of an Acute Care Surgical Service on the Quality and Efficiency of Care Outcome Indicators for Patients with General Surgical Emergencies
Notice bibliographique
Résumé
Background Acute care surgery (ACS) models address high volumes of emergency general surgery and emergency room (ER) overcrowding. The impact of ACS service model implementation on the quality and efficiency of care (EOC) outcomes in acute appendicitis (AA) and acute cholecystitis (AC) cohorts was evaluated. Methods A retrospective chart review (N=1,229) of adult AA and AC patients admitted prior to (pre-ACS; n=507; three hospitals; 2007) and after regionalization (R-ACS; n=722; one hospital; 2011). Results R-ACS time to ER physician assessment was significantly longer for AA (3.4 ± 2.3 versus 2.4 ± 2.6 hr; p ≤ 0.001). Surgical response times (1.3 ± 1.2 vs 2.6 ± 4.3 hr for AA; 1.8 ± 1.5 vs 4.1 ± 5.0 hr for AC; p ≤ 0.0001) and acquisition of imaging (4.1 ± 4.1 vs 6.9 ± 9.9 hr for AA, p ≤ 0.0001; 7.8 ± 1.9 vs 13.2 ± 18.5 hr for AC, p ≤ 0.008) occurred significantly faster with R-ACS. R-ACS resulted in a significant increase in night-time appendectomies (21.7% vs 11.1%; p ≤ 0.002), perforated appendices (29.1 % vs 18.9 %; p ≤ 0.006), 30-day readmissions (4.56% vs 0.82%; p ≤ 0.01), and lower rate of intraoperative complications for AC patients (2.78% vs 7.69%; p ≤ 0.02). Conclusions Despite the increased volume of patients seen with the implementation of R-ACS, surgical assessments and diagnostic imaging were significantly more prompt. EOC measures were maintained. Worse AA outcomes highlight areas for improvement in delivering R-ACS.
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) | 0,000 | 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 ».