A systematic literature review on the utilization of extended operating room hours to reduce surgical backlogs
Notice bibliographique
Résumé
This article is part of the Research Topic 'Health Systems Recovery in the Context of COVID-19 and Protracted Conflict'. Introduction: Hospital managers address elective patient surgical backlogs with different strategies: increasing installed capacity, managing demand and improving efficiency. Recently, and particularly since the COVID-19 elective surgery suspension, extended operating room hours has been used to reduce waiting lists by taking advantage of empty operating rooms and existing surgical teams. Methods: Two research questions are raised: (1) which are the scientific literature's insights related to the use of extended operating room hours to help reduce surgery backlogs? and (2) provided that a hospital decides to extend its operating room opening time, what are the main challenges and the key aspects to consider in the design and implementation of policies to manage extended operating room hours? A systematic review on Web of Science database was conducted to gather existing literature, published from January 2012 to December 2021, regarding strategies to reduce waiting lists using empty operating rooms outside regular working hours. Results: A total of 12 papers were selected as relevant to address the two research questions. Results were organized according to their main features, namely setting, type of strategy, methodology, and how human resources are handled. Discussion: The review suggests that extended operating room hours might be problematic if current staff is used and that a careful choice of patients should be made. However, its potential to reduce waiting times and its implications are discussed only superficially. Therefore, we analyze the implications of extending operating room hours from four different perspectives (management, staff, patients, and strategy deployment) and define some recommendations for policy makers and healthcare managers when implementing it in practice.
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 | 0,012 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,017 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».