Operationalizing the emergent management of psychiatric patients during the COVID-19 pandemic at an academic public hospital
Notice bibliographique
Résumé
Background: While the volume of Emergency Department (ED) visits has declined during the 2019 novel coronavirus disease or COVID-19, the opposite has been observed with mental-health related visits. The need to screen and manage potential COVID-19 symptoms in parallel with psychiatric complaints have imposed new challenges in the ED at an academic public hospital.Objective: The objective is to share operational modifications in addressing the challenges related to the influx of ED mentalhealth related complaints at the departmental, hospital-wide, and city-wide level within an academic, public hospital.Methods: At the departmental level, a triage algorithm for screening patients with concerning symptoms was developed. A dedicated Respiratory Decision Unit with psychiatrically safe rooms that adhered to infection prevention protocol was also created. All staff were trained to utilize personal protective equipment through lectures, asynchronous learning, and multidisciplinary simulations. The ED team worked with hospital leadership to increase inpatient medical psychiatric bed capacity and to develop testing protocols for patients being admitted to allow for cohorting of symptomatic patients. At the city level, leadership within the three main organizations that provide mental health services to the city met regularly to address operational issues.Conclusions: The COVID-19 pandemic has imposed new challenges in terms of increased psychosocial needs while limiting transmission risks. Based on the experiences shared, a multitier approach is necessary. At all levels, the goals were to screen appropriately, decrease transmission risk, and maintain throughput. The purpose of this descriptive manuscript is to encourage dialogue and to raise awareness about the unique needs of the mental health system.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».