Interventions to improve consultations in the emergency department: A systematic review
Notice bibliographique
Résumé
Abstract Objectives Emergency department (ED) consultations with specialists are necessary for safe and effective patient care. Delays in the ED consultation process, however, have been shown to increase ED length of stay (LOS) and contribute to ED crowding. This review aims to describe and evaluate the effectiveness of interventions to improve the ED consultation process. Methods Eight primary literature databases and the gray literature were searched to identify comparative studies assessing ED‐based interventions to improve the specialist consultation process. Two independent reviewers identified eligible studies, assessed study quality, and extracted data. Individual or pooled meta‐analysis for continuous outcomes were calculated as mean differences (MDs) with 95% confidence intervals (CIs) using a random‐effects model was conducted. Results Thirty‐five unique comparative intervention studies were included. While the interventions varied, four common components/themes were identified including interventions to improve consultant responsiveness ( n = 11), improve access to consultants in the ED ( n = 9), expedite ED consultations ( n = 8), and bypass ED consultations ( n = 7). Studies on interventions to improve consult responsiveness consistently reported a decrease in consult response times in the intervention group with percent changes between 10% and 71%. Studies implementing interventions to improve consult responsiveness (MD −2.55, 95% CI −4.88 to –0.22) and interventions to bypass ED consultations (MD −0.99, 95% CI −1.43 to –0.56) consistently reported a decrease in ED LOS; however, heterogeneity was high (I 2 = 99%). Evidence on whether any of the interventions were effective at reducing the proportion of patients consulted or subsequently admitted varied. Conclusions The various interventions impacting the consultation process were predominately successful in reducing ED LOS, with evidence suggesting that interventions improving consult responsiveness and improving access to consultants in the ED also improve consult response times. Health care providers looking to implement interventions to improve the ED consultation process should identify key areas in their setting that could be targeted.
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 | 0,007 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,010 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».