MétaCan
Menu
← Retour à la cohorte
Enregistrement W3008148927 · doi:10.5430/jnep.v10n4p91

Improving handoff efficiency from emergency department to intensive care

2020· article· en· W3008148927 sur OpenAlexvenueno aff
Kelsey J. Hart, Denise K. Gormley

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHandoverEmergency departmentStandardizationMedicineIntensive care unitMedical emergencyPatient safetyNursingEmergency medicineHealth careComputer scienceIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

The emergency department to intensive care unit nurse handoff process was found to be inefficient in a Midwest community hospital, resulting in prolonged admission times. The purpose of this project was to determine if implementation of a standardized bedside nurse handoff process would affect admission efficiency. Efficiency of nurse handoff, efficiency of emergency department to intensive care unit admissions, and rates of intensive care unit patient boarding in the emergency department were examined. A task force composed of staff nurses developed a standardized bedside nurse handoff process following guidelines from the literature. This new handoff process incorporated the evidence-based concepts of bedside report, standardization, and electronic medical record. Stakeholder and staff buy-in were obtained, and the process was implemented. Outcomes were evaluated six months prior to- and one-year post-implementation of the standardized bedside handoff process. Analysis of one-year post-implementation data revealed an improvement in average handoff time by 15 minutes, an improvement in average admission time by 17 minutes, and a reduction in intensive care unit patient boarding by 19.5%. By improving efficiency of the nurse handoff process, and therefore the admission process, the findings of this project have the potential to reduce patient boarding and improve the quality of patient care. This quality improvement project also contributes to a gap in the current body of evidence pertaining to interdepartmental nurse handoffs.

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)0,007
score de la tête « metaresearch » (Gemma)0,023
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 enseignants0,007
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,409
Écart entre enseignants0,350 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and Practice→Même sujetEmergency and Acute Care Studies→Travaux en français237 207→