Enhancing palliative care occupancy and efficiency: a quality improvement project that uses a healthcare pathway for service integration and policy development
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This article described our experience in implementing a quality improvement project to overcome the bed overcapacity problem at a comprehensive cancer centre in a tertiary care centre. We formed a multidisciplinary team including a representative from patient and family support (six members), hospice care and home care services (four members), multidisciplinary team development (four members) and the national lead. The primary responsibility of the formulated team was implementing measures to optimise and manage patient flow. We used the plan-do-study-act cycle to engage all stakeholders from all service layers, test some interventions in simplified pilots and develop a more detailed plan and business case for further implementation and roll-out, which was used as a problem-solving approach in our project for refining a process or implementing changes. As a result, we observed a significant reduction in bed capacity from 35% in 2017 to 13.8% in 2018. While the original length of stay (LOS) was 28 days, the average LOS was 19 days in 2017 (including the time before and after the intervention), 10.8 days in 2018 (after the intervention was implemented), 10.1 days in 2019 and 16 days in 2020. The increase in 2020 parameters was caused by the COVID-19 pandemic, since many patients did not enrol in our new care model. Using a systematic care delivery approach by a multidisciplinary team improves significantly reduced bed occupancy and reduces LOS for palliative care patients.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle