Can an Emergency Surgery Scheduling Software Improve Residents’ Time Management and Quality of Life?
Notice bibliographique
Résumé
Background: Operating room efficiency is invaluable. Particularly in public health systems, where resources are limited and patient loads are high, efficient systems underpin the continued delivery of high quality care. In addition to impacting patients, the implementation of efficient healthcare tools has the potential to improve staff quality of life. In the face of growing surgical resident attrition and healthcare worker burnout, developments in standard practice, such as the implementation of the 80-hour work week, are necessary to improve quality of life. Materials and methods: A new online scheduling software (ORNET.CA) was created, installed, and piloted in a Level I Trauma Center after instructing users (physicians and nurses) on its use. A 20-item survey was then distributed to all users to assess the effect implementation of the software had on their quality of life. Results: ORnet was shown to improve communication between hospital staff and physicians, reduce workflow interruptions, and improve the quality of the working environment. The survey showed that 60% of residents and 50% of attending staff believed that ORNET.CA improved their quality of life. Conclusions: We present data from a novel emergency operating room scheduling system that allowed surgical residents and attending physicians to better plan their on-call shifts. Staff (resident and physician) reported survey results suggest that implementation of this system resulted in an improved quality of life and a decrease in stress and anxiety levels.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».