Efficiency in the Endoscopy Unit: Can We ‘Turn Around’ Room Turnover? An Observational Quality Improvement Study
Notice bibliographique
Résumé
Background: Endoscopy units are being challenged to provide timely and quality care, despite limited resources and an ever-growing patient population. Decreasing procedure time is unlikely to create sufficient time savings and may compromise quality. Non-procedural factors, such as room turnover, are important contributors to efficiency and represent an ideal target for quality improvement efforts. Aims: The objective of this quality improvement study was to identify practices that will improve endoscopy unit efficiency at our centre. The specific aims were to (a) understand practices at local hospitals that contribute to room turnover efficiency and (b) examine the magnitude and sources of variation in room turnover efficiency across endoscopists and nurses at our centre. Methods: Interviews were conducted with team leads at five local hospitals. Routinely collected data from our centre were analyzed to understand the magnitude and variation in efficiency by provider and reasons for delays. Non-procedure time defined as 'patient 1 scope out' to 'patient 2 scope in' was our primary measure of efficiency. Results: Over the 12-month period, 750 outpatient procedures met inclusion criteria. Median non-procedure time was 19 min (interquartile range: 16-22 min). The variation attributable to endoscopists was 14.7% compared to 80.4% for unmeasured factors. Conclusions: The variation that remains unexplained by our model suggests that unmeasured factors play a substantial role in endoscopy unit efficiency and that our current endoscopy records are not capturing important contributors to efficiency. The next phase will involve focus groups and direct observation with the goal of identifying these unmeasured factors.
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 | 0,008 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».