MétaCan
Menu
Retour à la cohorte
Enregistrement W4316079565 · doi:10.14309/01.ajg.0000862580.08815.52

S1485 Increasing Inpatient Endoscopy Volumes Using the Model for Continuous Improvement

2022· article· en· W4316079565 sur OpenAlexaff
David Hudson, Ziad Hindi, Mohammed O. Alsager, Christopher Lavalle, Abdulaziz Alajmi, Vadim Iablokov, Jamie Gregor, Nitin Khanna, Brian Yan, Karim Qumosani, Mayur Brahmania

Notice bibliographique

RevueThe American Journal of Gastroenterology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueHospital Admissions and Outcomes
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésPDCAMedicinePatient safetyQuality managementEmergency medicineMedical emergencyOperations managementHealth care

Résumé

récupéré en direct d'OpenAlex

Introduction: Inpatient endoscopy volumes can affect patient care at many levels in a hospital system. At our academic center, inpatient procedural volume efficiency is 65% (defined as the number of completed procedures compared during the designated in-patient endoscopy time period). As a consequence, excess procedures are being completed on-call or on weekends. Our aim was to increase procedural volume by one (14%) additional procedure completed/day over a 12-month period. Methods: An interprofessional team of Gastroenterology fellows and staff along with endoscopy nurses and managers was created to investigate throughput concerns. Baseline data was collected via direct observation and completion of a time study over 2 months. Subsequently, a process flow diagram was completed. A combination of root cause analysis tools (ie, Ishikawa diagram and Pareto chart) were then utilized to identify areas for improvement. A delay in procedural start time was identified as a strong culprit for reduced efficiency. Potential PDSA (plan-do-study-act) cycles included: early physician handover start time, constructing a standardized patient procedure list, and improving timeliness of patient transfer to the endoscopy suite. Results: Baseline data identified that the first case start time was delayed by 51 min when our actual start time is 08:00 am. Our first PDSA cycle involved a 15-minute earlier physician handover start time. PDSA cycle #1 reduced our mean procedural start time to 08:49 am [UCL: 104 minutes; LCL: −5.4 minutes]. Our second PDSA cycle, involved the standardization of a planned procedural list and mandate for the first procedure to be esophagogastroduodenoscopy (EGD). PDSA cycle #2 reduced start time reduced to 08:29 am [UCL: 69.6 minutes; LCL: −12.4 minutes]. Our third PDSA cycle, involved utilizing the standardized procedural list to pre-emptively organize timely patient transfer to account for delays secondary to hospital portering services, which reduced the mean start time further to 08:22 am [UCL: 52.0 minutes; LCL: −8.0 minutes] (Figure 1). Conclusion: Using the model for continuous improvement we were able to increase procedural volumes by one (14%) per day. The most effective intervention included developing a standardized procedure list and mandating the first case as an EGD minimizing delays due to inadequate or incomplete bowel preparation.Figure 1.: A statistical process control chart (SPC) demonstrating baseline data on endoscopy procedural start time and interventions (PDSA #1, PDSA #2, PDSA #3) that were effective in reducing the delay in procedure start time and resulted in a subsequent increase in endoscopy unit efficiency.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,686
Score d'incertitude au seuil0,242

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,016
Tête enseignante GPT0,284
Écart entre enseignants0,269 · 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 tête enseignante, 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe American Journal of GastroenterologyMême sujetHospital Admissions and OutcomesTravaux en français237 207