MétaCan
Menu
Retour à la cohorte
Enregistrement W3081224331 · doi:10.37939/jrmc.v24isupp-1.1416

Meeting the Challenge of COVID-19 in DHQ Orthopaedic Department

2020· article· en· W3081224331 sur OpenAlexaboutno aff
Obaid Ur Rahman, Nayyur Qayyum, Afzal Aleem Khan, Muhammad Ammar Aslam, Syed Zohaib Haider

Notice bibliographique

RevueJournal of Rawalpindi Medical College · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicWorkloadMedicineCoronavirus disease 2019 (COVID-19)Orthopedic surgeryPublic healthQuarter (Canadian coin)Health careSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Medical emergencyFamily medicineEmergency medicineSurgeryInternal medicineNursingManagement

Résumé

récupéré en direct d'OpenAlex

Introduction: The World Health Organization (WHO) declared Covid-19 as a pandemic on March 11, 2020. Not only that the COVID-19 pandemic has brought the world to a complete lockdown but also burdened healthcare systems across the world immensely. Objective: In this paper, we discuss the different strategies we adopted in the Orthopaedics Department of District Head Quarter [DHQ] hospital Rawalpindi, during this ongoing pandemic and share our experience of successfully but cautiously providing orthopedic services to patients in a public hospital. We compare our workload and output of May 2020 [pandemic phase] to May 2019 [standard/normal phase]. Methodology: The Hospital policy was changed after the COVID-19 pandemic. We increased public awareness and reduced load in the OPD using different strategies. We postponed all elective cases; focusing our logistics and resources only on the patients in urgent need of surgical management. A minimum number of doctors and OTAs were allocated on each list. Inwards, the patient stay was reduced. As a standard PCR test for COVID-19 was expensive, we devised our screening through history, examination, and routine investigations. Results: The average stay inwards was reduced from 6.4±4.6 days in May 2019 to 2.7±3.6 days in May 2020. The decrease in the stay was statistically significant (p=.0206) and was associated with a 24.4% increase in the number of total patient admissions in May 2020 (n=56) as compared to May 2019 (n=45). The number of surgeries performed month to month was very similar in normal and pandemic periods. Our OPD patient attendance dropped from 200-250 patients per day in 2019 to 60-70 during the ongoing pandemic phase. Conclusion: We believe that sharing experiences between health care actors allows us to develop an effective strategy to provide the very best care to our patients during the COVID-19 pandemic.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,038
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,002
Communication savante0,0040,002
Science ouverte0,0020,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0170,003

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 Opus0,071
Tête enseignante GPT0,383
Écart entre enseignants0,312 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Rawalpindi Medical CollegeMême sujetCOVID-19 and healthcare impactsTravaux en français237 207