The Potential Impacts of a Digital Preoperative Assessment Service on Appointments, Travel-Related Carbon Dioxide Emissions, and User Experience: Case Study
Notice bibliographique
Résumé
BACKGROUND: The National Health Service (NHS) cannot keep up with the demand for operations and procedures. Preoperative assessments can be conducted on the internet to improve efficiency and reduce wait times for operations. MyPreOp is a cloud-based platform where patients can complete preoperative questionnaires. These are reviewed by a nurse who determines whether they need a subsequent face-to-face appointment. OBJECTIVE: The primary objective of this study is to describe the potential impact of MyPreOp (Ultramed Ltd) on the number of face-to-face appointments. The secondary objectives are to examine the time spent on preoperative assessments completed using MyPreOp in NHS Trusts and user ratings of usability and acceptability. METHODS: The study design was a case study service evaluation. Data were collected using the MyPreOp system from 2 NHS Trusts (Guy's and St Thomas' and Royal United Hospitals Bath) and the private BMI Bath Clinic during the 4-month period from September to December 2020. Participants were adults of any age and health status at the participating hospitals who used MyPreOp to complete a preoperative assessment before a scheduled surgery. The primary outcome was the number of face-to-face appointments avoided by patients who used MyPreOp. The investigated secondary outcomes included the length of time spent by nurses completing preoperative assessments, associated travel-related carbon dioxide emissions compared with standard care, and quantitative user feedback. User feedback was assessed at all 3 sites; however, the other outcomes could only be examined in the Royal United Hospitals Bath sample because of data limitations. RESULTS: Data from 2500 participants were included. Half of the assessed patients did not need a further face-to-face appointment and required a median of only 5.3 minutes of nurses' time to review. The reduction in appointments was associated with a small saving of carbon dioxide equivalent emissions (9.05 tons). Patient feedback was generally positive: 79.8% (317/397) of respondents rated MyPreOp as easy or very easy to use, and 85.2% (340/399) thought the overall experience was good or very good. CONCLUSIONS: This evaluation demonstrates the potential benefits of MyPreOp. However, further research using rigorous scientific methodology and a larger sample of NHS Trusts and users is needed to provide strong evidence of MyPreOp's efficacy, usability, and cost-effectiveness.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».