Reducing “Left without being seen” in a community emergency department: A rapid-cycle change project
Notice bibliographique
Résumé
Background and objective: The COVID-19 pandemic in 2020 increased the volume of patients seeking care in the Emergency Department (ED) for a respiratory crisis. Our community hospital experienced a filling of inpatient beds, leading to an overflow of admitted patients in the ED, where adequate staff (nurses, physicians, radiology, and laboratory staff), equipment, and rooms or places for patients were lacking. Times to obtain procedures that included cardiology, laboratory, and radiology performed and resulted significantly increased. Left without being seen (LWBS) is a challenge faced by EDs across the United States (US) and has become more prevalent since the COVID-19 pandemic. Best practice suggests an LWBS rate of less than 2%, but our hospital experienced an increasing rate of hitting over 5\% in January 2021. To reduce this rate, we implemented multiple rapid-cycle Plan-Do-Check-Act (PDCA) change interventions in triage and throughout the ED.Implementation/Methods: We implemented several rapid-cycle change interventions with a high-level action plan. These actions included hiring medical/surgical nurses to care for admitted patients awaiting beds, adding additional medical providers, implementing greeters, creating specialty chairs inside a major hospital thoroughfare, opening a 12-bed Admit Care Unit (ACU) adjacent to the ED, and more.Results: The rate of LWBS decreased from a high of 5.3% in January 2021 to 1.09% in January 2022.Conclusion/Implications to Practice: Patients in the ED recorded as LWBS are at higher risk for safety and quality transgressions. We continue to work toward excellent patient care by continuing to implement rapid-cycle changes in response to barriers as they arise. More research is needed to expand and rethink the process of ED throughput during pandemics and emergent national crises.
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 | 0,026 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,006 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».