MétaCan
Menu
Retour à la cohorte
Enregistrement W2981385447 · doi:10.1177/0194599819885635

Surgical Instrument Optimization to Reduce Instrument Processing and Operating Room Setup Time

2019· article· en· W2981385447 sur OpenAlexaff
Lauren Crosby, Eric Lortie, Brian Rotenberg, Leigh J. Sowerby

Notice bibliographique

RevueOtolaryngology · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Operations and Scheduling Optimization
Établissements canadiensSt Joseph's Health CareWestern University
Organismes subventionnairesnon disponible
Mots-clésTraySeptoplastyMetric (unit)Operations managementMedicineComputer scienceSimulationSurgeryEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Objective As health care expenditures rise, novel ways to increase efficiency are sought. The operating room (OR) represents an area where there is opportunity to optimize work flow and supply use. Evidence suggests that instrument redundancy in the OR tends to be high and that direct cost savings can be achieved by “optimizing” surgical trays. The purpose of this study was to quantify the potential time savings associated with surgical tray optimization. Methods Instrument utilization was reviewed for 4 procedures: tonsillectomy, sinus surgery, septoplasty, and septorhinoplasty. Instruments used in <20% of cases were excluded. Data on tray assembly time in the central processing department and instrument setup time in the OR were prospectively collected over a 3‐month period before and after tray optimization. Student’s t test (α = 0.05) was used to determine whether times were significantly different following optimization. Results Tray assembly times were found to be significantly shorter following optimization, with percentage reduction in time ranging from 58% to 66% (P <. 05). In the OR, percentage reduction in setup time ranged from 26% to 37% (P <. 05). Variability in assembly and setup times was also found to be narrower postoptimization. Discussion Tray optimization may reduce stress and adverse events and allow managers to better estimate staffing requirements. Cost‐benefits could not be determined given a limited understanding of how departments choose to redistribute time savings. Implications for Practice Measurable and significant time savings can be achieved by assessing instrument utilization rates and reducing tray redundancy, leading to lower performance variability and improved efficiency.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,358
Écart entre enseignants0,326 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOtolaryngologyMême sujetHealthcare Operations and Scheduling OptimizationTravaux en français237 207