Is it time to rethink how we page physicians? Understanding paging patterns in a tertiary care hospital
Notice bibliographique
Résumé
BACKGROUND: Frequent pages can disrupt workflow, interrupt patient care, and may contribute to physician burnout. We hypothesized that paging volumes followed consistent temporal trends, regardless of the medical or surgical service, reflecting systems based issues present in our hospitals. METHODS: A retrospective review of the hospital paging systems for 4 services at The Ottawa Hospital was performed. Resident paging data from April 1 to July 31, 2018 were collected for services with a single primary pager number including orthopaedic surgery, general surgery, neurology, and neurosurgery. Trends in paging volume during the 4-month period were examined. Variables examined included the location of origin of the page (emergency room vs. inpatient unit), and day/time of the page. RESULTS: During the study period, 25,797 pages were received by the 4 services, averaging 211 (± Standard Deviation (SD) 12) pages per day. 19,371 (75%) pages were from in-patient hospital units, while 6426 (24%) were pages from the emergency room. The median interval between pages across all specialties was 22:30 min. Emergency room pages peaked between 16:30 and 20:00, while in-patient units peaked between 17:30 and 18:30. CONCLUSIONS: Each service experienced frequent paging with similar patterns of marked increases at specific times. This study identifies areas for future study about what the factors are that contribute to the paging patterns observed.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».