Using co-design to improve the client waiting experience at an outpatient mental health clinic
Notice bibliographique
Résumé
Prolonged wait times in healthcare are a complex issue that can negatively impact both clients and staff. Longer wait times are often caused by a number of factors such as overly complicated scheduling, inefficient use of resources, extraneous processes, and misalignment of supply and demand. Growing evidence suggests a correlation between wait times and client satisfaction. This relationship, however, is complex. Some research suggests that client satisfaction with wait times may be improved with interventions that enhance the waiting experience and not actual wait times. This project aimed to improve the average daily rating of the client waiting experience by 1 point on a 7-point Likert scale.A quality improvement study was conducted to analyse client satisfaction with wait times and enhance clients' satisfaction while waiting. Quality improvement methods, mainly co-design sessions, were used to co-create and implement an intervention to improve clients' experience with waiting in the clinic.The project resulted in the implementation of a whiteboard intervention in the clinic to inform clients where they are in the queue. The whiteboard also included static data summarising the average wait times from the previous month. Both aspects of the whiteboard were designed to allow patients to better approximate their wait times. Though the quantitative analysis did not reveal a 1-point improvement on a 7-point Likert scale, the feedback from staff and clients was positive. Since implementation, clinic staff and management have developed the intervention into a high-fidelity digital board that is still in use today. Furthermore, the use of the intervention has been extended locally, with additional ambulatory clinics at the hospital planning to use the set-up in their clinic waiting rooms.
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 | 0,010 | 0,018 |
| 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 | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».