MétaCan
Menu
Retour à la cohorte
Enregistrement W3131764262 · doi:10.1111/1742-6723.13747

Review article: Have emergency department time‐based targets influenced patient care? A systematic review of qualitative literature

2021· review· en· W3131764262 sur OpenAlexaboutno aff
Katie Walker, Bridget Honan, Daniel Haustead, David Mountain, Vinay Gangathimmaiah, Roberto Forero, Rob Mitchell, Ella Martini, Greg H. Tesch, Ian Bissett, Peter Jones

Notice bibliographique

RevueEmergency Medicine Australasia · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineEmergency departmentCrowdingQualitative researchSystematic reviewFamily medicineQuality (philosophy)Emergency medicineNursingMedical emergencyMEDLINE

Résumé

récupéré en direct d'OpenAlex

Time-based targets for ED length of stay were introduced in England in 2000, followed by the rest of the UK, Canada, Ireland, New Zealand, and Australia after ED crowding was associated with poor quality of care and increased mortality. This systematic review evaluates qualitative literature to see if ED time-based targets have influenced patient care quality. We included 13 studies from four countries, incorporating 617 interviews. We conclude that time-based targets have impacted on the quality of emergency patient care, both positively and negatively. Successful implementation depends on whole hospital resourcing and engagement with targets.

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)0,014
score de la tête « metaresearch » (Gemma)0,075
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,075
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0080,011
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,054
Tête enseignante GPT0,428
Écart entre enseignants0,374 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEmergency Medicine AustralasiaMême sujetEmergency and Acute Care StudiesTravaux en français237 207