Emergency department crowding: an overview of reviews describing measures causes, and harms
Notice bibliographique
Résumé
Crowding in Emergency Departments (EDs) has emerged as a global public health crisis. Current literature has identified causes and the potential harms of crowding in recent years. The way crowding is measured has also been the source of emerging literature and debate. We aimed to synthesize the current literature of the causes, harms, and measures of crowding in emergency departments around the world. The review is guided by the current PRIOR statement, and involved Pubmed, Medline, and Embase searches for eligible systematic reviews. A risk of bias and quality assessment were performed for each review, and the results were synthesized into a narrative overview. A total of 13 systematic reviews were identified, each targeting the measures, causes, and harms of crowding in global emergency departments. Key among the results is that the measures of crowding were heterogeneous, even in geographically proximate areas, and that temporal measures are being utilized more frequently. It was identified that many measures are associated with crowding, and the literature would benefit from standardization of these metrics to promote improvement efforts and the generalization of research conclusions. The major causes of crowding were grouped into patient, staff, and system-level factors; with the most important factor identified as outpatient boarding. The harms of crowding, impacting patients, healthcare staff, and healthcare spending, highlight the importance of addressing crowding. This overview was intended to synthesize the current literature on crowding for relevant stakeholders, to assist with advocacy and solution-based decision making.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».