Implementation of an ED surge management platform: a study protocol
Notice bibliographique
Résumé
BACKGROUND: Emergency departments (EDs) around the world are struggling with long wait times and overcrowding. To address these issues, a quality improvement program called SurgeCon was created to improve ED efficiency and patient satisfaction. This paper presents a framework for managing and evaluating the implementation of an ED surge management platform. Our framework builds on the Reach, Effectiveness, Adoption, Implementation, and Maintenance (RE-AIM) framework to structure our approach and the Consolidated Framework for Implementation Research (CFIR) to guide our choice of outcome variables and scalability. METHODS: Four hospital EDs will receive the SurgeCon quality improvement intervention. Using a stepped wedge cluster design, each ED will be randomized to one of four start dates. Data will be collected before, during, and after the implementation of the intervention. RE-AIM will be used to guide the assessment of SurgeCon, and guided by CFIR, we will measure ED key performance indicators (KPI), patient-reported outcomes, and implementation outcomes related to SurgeCon's scalability, adaptability, sustainability, and overall costs. Participants in this study consist of patients who visit any of the four selected EDs during the study period, providers/staff, and health system managers. A mixed-methods approach will be utilized to evaluate implementation outcomes. DISCUSSION: This study will provide important insight into the implementation and evaluation techniques to enhance uptake and benefits associated with an ED surge-management platform. The proposed framework bridges research and practice by involving researchers, practitioners, and patients in the implementation and evaluation process, to produce an actionable framework that others can follow. We anticipate that the implementation approach would be generalizable to program implementations in other EDs. TRIAL REGISTRATION: • Name of the registry: ClinicalTrials.gov • Trial registration number: NCT04789902 • Date of registration: 03/10/2021.
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 | 0,087 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,005 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 0,015 |
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 ».