MétaCan
Menu
Retour à la cohorte
Enregistrement W3043592225 · doi:10.1136/bmjoq-2020-000969

Optimising after-hours workflow of computed tomography orders in the emergency department

2020· article· en· W3043592225 sur OpenAlexaff
Rajesh Bhayana, Chenhan D Wang, Ravi Menezes, Eric Bartlett, Joseph Choi

Notice bibliographique

RevueBMJ Open Quality · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiology practices and education
Établissements canadiensUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineEmergency departmentWorkflowTurnaround timeRadiologyConcordanceEmergency medicineMedical emergencyNursingOperations managementInternal medicineComputer science

Résumé

récupéré en direct d'OpenAlex

Ordering and protocolling CT scans after-hours from the emergency department (ED) at our institution previously required discussion between the ED physician and radiology resident, which led to workflow inefficiency. Our intervention consisted of creating an electronic list of CT requests that radiology residents would monitor. Radiology protocolled straightforward requests and contacted the ordering physician for more details when required. We aimed to improve workflow efficiency, increase provider satisfaction and reduce CT turnaround time without significantly affecting CT utilisation. Plan-do-study-act cycles were used to plan and evaluate the intervention. The intervention was initiated on weekday evenings and then expanded to weekend hours after an interim analysis. Qualitative outcomes were measured via electronic survey, and quantitative outcomes were collected from administrative data and analysed via control charts and other statistical methods. Survey response was high from ED physicians (76%, n=82/108) and radiology residents (79%, n=30/38). After the intervention, the majority of ED staff and radiology residents perceived improved workflow efficiency (96.3%, 73.3%), radiology residents noted a subjective decrease in disruptions (83.3%) and most ED staff felt that scans were performed more quickly (84.1%). Radiology residents received fewer pages per shift, adjusted for scan volume. There was a reduction in time from order entry to protocol on weekday shifts only, with no statistically significant effect on time from order entry to scan. Segmented regression analysis demonstrated a background increase in utilisation over time (0.7-2.0 CT/100 ED visits/year, p<0.0005), but the intervention itself did not contribute to an overall increase in CT utilisation. In conclusion, our intervention led to improved perceived workflow efficiency and reduced pages. Scans were protocoled more quickly on weekdays, but turnaround times were otherwise not significantly affected by the intervention. Background CT utilisation increased over time, but this increase was not attributable to our intervention.

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)0,006
score de la tête « metaresearch » (Gemma)0,021
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 enseignants0,006
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,161
Tête enseignante GPT0,462
Écart entre enseignants0,301 · 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

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Open QualityMême sujetRadiology practices and educationTravaux en français237 207