Has the implementation of time-based-targets for emergency department length-of-stay influenced the quality of care for patients? A systematic review of qualitative literature
Notice bibliographique
Résumé
abstract Background Time-based-targets for emergency department length-of-stay were introduced in England in 2000; followed by Canada, Ireland, New Zealand, and Australia after emergency department crowding was associated with poor quality of care and increased mortality. Objectives The aim of the systematic review was to evaluate qualitative literature to investigate how implementing time-based-targets for emergency department length-of-stay has influenced the quality of care of patients. Methods Systematic review of qualitative studies that described knowledge, attitudes to or experiences regarding a time-based-target for emergency department length-of-stay. Searches were conducted in Cochrane library, Medline, Embase, CInAHL, Emerald, ABI/Inform, and Informit. Individual studies were evaluated using the Critical Appraisal Skills Programme tool. Individual study findings underwent thematic analysis. Confidence in findings was assessed using the Confidence in the Evidence from Reviews of Qualitative research approach. Results The review included thirteen studies from four countries, incorporating 617 interviews. Themes identified were: quality of care, access block and overcrowding, patient experience, staff morale and workload, intrahospital and interdepartmental relationships, clinical education and training, gaming, and enablers and barriers to achieving targets. The confidence in findings is moderate or high for most themes. More patient and junior doctor perspectives are needed. Conclusions Emergency time-based-targets have impacted on the quality of emergency patient care. The impact can be both positive and negative and successful implementation depends on whole hospital resourcing and engagement with targets. Funding The Australasian College for Emergency Medicine provided administrative support for the study, no funding was received. Registration PROSPERO CRD42019107755 (prospective)
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,074 | 0,193 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,014 | 0,017 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».