MétaCan
Menu
Retour à la cohorte
Enregistrement W4304593242 · doi:10.1016/j.ocarto.2022.100314

Wait time management strategies at centralized intake system for hip and knee replacement surgery: A need for a blended evidence-based and patient-centered approach

2022· article· en· W4304593242 sur OpenAlexaffabout
Deborah A. Marshall, Diane P. Bischak, Farzad Zaerpour, Behnam Sharif, Christopher Smith, Tanya Reczek, Jill Robert, Jason Werle, Donald Dick

Notice bibliographique

RevueOsteoarthritis and Cartilage Open · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueTotal Knee Arthroplasty Outcomes
Établissements canadiensAlberta Health ServicesUniversity of WinnipegAlberta HealthAlberta Hip and Knee ClinicUniversity of CalgaryAlberta Bone and Joint Health Institute
Organismes subventionnairesnon disponible
Mots-clésMedicineReferralSpecialtyJoint replacementWorkloadOperations managementMedical emergencyPhysical therapyArthroplastySurgeryComputer scienceNursingFamily medicine

Résumé

récupéré en direct d'OpenAlex

Objectives: Delays in access to specialty care and elective hip and knee total joint replacement (TJR) surgery remain a major concern among patients with osteoarthritis (OA) in Canada. Centralized intake systems as a wait time management strategy in the face of resource constraints can increase access and patient flow through the system but are not standard practice. We examine how wait time management strategies for the assessment and triaging referrals in a centralized intake system can inform quality improvement initiatives. Design: We developed a discrete-event simulation model using all referrals to the Edmonton Bone and Joint Centre centralized intake system from 2012 to 2016 for the base case model. We assessed the combined effect of three wait time management strategies: improved prioritization, improved sorting through screening, and increased conservative management. Outcomes were measured in terms of patient flow and wait times. Results: The screener sees more patient referrals (7094 compared to 6922), and the number of patients who proceed to surgery is reduced by 282 patients (4%) in the wait time management scenario compared to the base case model. Wait times from referral to surgery are reduced by 54 days for surgical patients. Furthermore, urgent surgical patients experienced lower wait times in all stages of care than non-urgent patients, with wait times from referral to surgery reduced by 86 days. Conclusions: Triaging processes addressing prioritization, screening and conservative management of non-surgical patients can improve patient flow and significantly reduce patient wait times in a centralized intake process for TJR.

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)0,018
score de la tête « metaresearch » (Gemma)0,032
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 enseignants0,223
Score d'incertitude au seuil0,443

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,032
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,002
Communication savante0,0070,003
Science ouverte0,0050,004
Intégrité de la recherche0,0020,003
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 Opus0,029
Tête enseignante GPT0,251
Écart entre enseignants0,222 · 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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOsteoarthritis and Cartilage OpenMême sujetTotal Knee Arthroplasty OutcomesTravaux en français237 207