MétaCan
Menu
Retour à la cohorte
Enregistrement W3008577435 · doi:10.1093/jcag/gwz047.147

A148 EFFICIENCY IN THE ENDOSCOPY UNIT: CAN WE ‘TURN AROUND’ ROOM TURNOVER?

2020· article· en· W3008577435 sur OpenAlexaffabout
Carolyn Michelle Tan, Jill Tinmouth, Matt A. Bernstein

Notice bibliographique

RevueJournal of the Canadian Association of Gastroenterology · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Healthcare and Medical Tourism
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineColonoscopySigmoidoscopyTurnoverEndoscopyUnit (ring theory)NursingMedical emergencySurgeryPsychologyInternal medicineColorectal cancer

Résumé

récupéré en direct d'OpenAlex

Abstract Background Endoscopy units across Canada are being challenged to meet the growing demand for procedures despite limited resources, highlighting the need to optimize endoscopy unit efficiency. Earlier studies have found that non-procedural factors, such as room turnover, represent an ideal target to improve efficiency. Aims The objective of this research project was to identify practices that will improve efficiency for routine outpatient gastrointestinal (GI) procedures at Sunnybrook Health Sciences Centre (SHSC). There were 2 sub-aims: 1) to understand practices at Toronto hospitals that shorten room turnover time and 2) to describe the variation in room turnover time at SHSC. Methods Sub-aim #1: A survey of endoscopy units at five other Toronto hospitals was completed. Questions were designed to gain a better understanding of routine practices and any initiatives undertaken to improve room turnover efficiency. Sub-aim #2: Median room turnover time from April 2018 to March 2019, defined as ‘patient out’ to ‘patient in’, was reported in an anonymized fashion for the following categories: 1) by endoscopist, 2) by nurse, and 3) by unique endoscopist-nurse pair. Only data from routine outpatient endoscopic procedures (e.g. colonoscopy, gastroscopy, flexible sigmoidoscopy) were included. In order to evaluate turnover times by endoscopist-nurse pair, consecutive cases not performed by the same pair were excluded. Procedures affected by patient- and transportation-related delays were also excluded. Results Of the five centers surveyed, three allocated 5 minutes for turnover and two allocated 10 minutes. All centers reported tracking turnover time and four centers reported undertaking initiatives to decrease turnover time such as involving a flow team, hiring team attendants, and sharing performance data. Over the 12-month period, 2504 routine outpatient GI endoscopic procedures were performed at SHSC, with 803 cases meeting inclusion criteria. Median turnover time for the unit was 6 minutes, ranging from 5 to 9 minutes across endoscopists, 5 to 7 minutes across nurses, and 3 to 10 minutes across unique endoscopist-nurse pairs (Figure 1). Efficiency of endoscopist-nurse pairs did not correlate with the number of cases performed as a pair over the 12-month period. Conclusions Endoscopy room turnover times at SHSC are similar to those reported by other local centers, with important variation across endoscopists and nurses. The next phase of this study will involve directly observing each of the most and least efficient individuals and pairs and recording common practices. It is anticipated that these findings will enable us to identify efficient practices that should be incorporated into standard operating procedures and training for endoscopy room personnel. Funding Agencies None

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)0,009
score de la tête « metaresearch » (Gemma)0,055
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,322
Score d'incertitude au seuil0,639

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,055
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0040,004
Communication savante0,0080,005
Science ouverte0,0030,003
Intégrité de la recherche0,0020,003
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 Opus0,038
Tête enseignante GPT0,341
Écart entre enseignants0,303 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Canadian Association of GastroenterologyMême sujetGlobal Healthcare and Medical TourismTravaux en français237 207