Evaluation of an Emergency Department Lean Process Improvement Program to reduce length of stay
Notice bibliographique
Résumé
In recent years, Lean principles have been applied to improve wait times in the Emergency Department (ED). In 2009, an ED Process Improvement Program based on Lean methods was introduced in Ontario as part of a broad strategy to reduce ED length of stay (LOS) and improve patient flow. This study sought to determine the effect of this program on ED wait times and quality of care. We conducted a retrospective cohort study of all ED visits at program and control sites over 3 program waves from April 1, 2007 to June 30, 2011 in Ontario, Canada. Time series analyses of outcomes before and after the program and difference-in-differences analyses comparing changes in program sites with control sites were conducted. In before-after models among program sites alone, 90 percentile ED LOS did not change in Wave 1 (-14 minutes [95% CI -47, 20]) but decreased after Wave 2 (-87 [95% CI -108, -66]) and Wave 3 (-33 [95% CI -50, -17]); median ED LOS decreased after Wave 1 (-18 [95% CI -24, -12]), Wave 2 (-23 [95% CI -27, -19]), and Wave 3 (-15 [95% CI -18, -12]); in all Waves, decreases were observed in time to physician assessment, left without being seen rates, and 72-hour ED revisit rates. In the difference-in-difference models, where changes in program sites were compared with controls, the program was associated with no change in the 90 percentile ED LOS in Wave 2 (17 [95% CI -0.2, 33]) and increases in Wave1 (23 [95% CI 0.9, 45] and Wave 3 (31 [95% CI 10, 51]); modest reductions in median ED LOS in Waves 2 and 3 alone; and a decrease in time to physician assessment in Wave 3 alone. Although the program reduced ED waiting times, it appeared that its benefits were diminished or disappeared when compared with control sites, which were exposed to system-wide initiatives such as public reporting and pay-for-performance. This study suggests that further evaluation of the effectiveness of Lean methods in the ED is warranted before widespread implementation.
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 | 0,008 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».