MétaCan
Menu
Retour à la cohorte
Enregistrement W4223497476 · doi:10.1503/cjs.022720

Optimizing the surgical instrument tray to immediately increase efficiency and lower costs in the operating room

2022· article· en· W4223497476 sur OpenAlexaffvenue
Jay Toor, Avneesh Bhangu, Jesse Wolfstadt, Garry Bassi, Stanley Chung, Y. Raja Rampersaud, William Mitchell, Joseph Milner, Martin A. Koyle

Notice bibliographique

RevueCanadian Journal of Surgery · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Operations and Scheduling Optimization
Établissements canadiensQueen's UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTrayMedicineReduction (mathematics)Medical physicsOperations managementSimulationSurgeryComputer scienceMechanical engineeringMathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Surgical trays are often poorly configured and can be ongoing sources of frustration and excess costs. We conducted an observational study to determine if the use of a customized mathematical inventory optimization model would result in a greater reduction in the number of instruments on a surgical tray than a clinician review of the tray. METHODS: Utilization of instruments on the major orthopedic tray at a large academic hospital was documented over 80 procedures. Processes in the medical device reprocessing department and operating room were observed to comprehensively quantify all associated costs. Results of the observations were applied to a customized mathematical model to determine the ideal tray configuration. For comparison, a clinician review was also performed. RESULTS: The mathematical model alone produced an ideal tray size of 47 instruments, a reduction of 41 instruments from the original size of 88 instruments (47% reduction). This represented $34 440 in annual savings. In contrast, the clinician review alone suggested an ideal tray size of 67 instruments (23% reduction), representing $17 640 in annual savings. When clinicians were provided with the additional information from the model, they reduced the tray size to 51 instruments (42% reduction), producing $31 870 in savings. The mathematical model yielded an additional 22% instrument reduction and $14 230 in savings compared with clinician review alone. CONCLUSION: Our mathematical model is generalizable and can be applied to all specialties and hospitals to determine optimal tray configuration. As such, the financial implications are broad; at our institution, application to all surgical trays would result in $205 000 of savings annually. Surgeons and managers looking to streamline surgical trays should consider this evidence-based approach.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,346
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of SurgeryMême sujetHealthcare Operations and Scheduling OptimizationTravaux en français237 207