MétaCan
Menu
Retour à la cohorte
Enregistrement W4378976300 · doi:10.1080/20476965.2023.2219293

Exploratory analysis using discrete event simulation modelling of the wait times and service costs associated with the maximum wait time guarantee policy applied in a rheumatology central intake clinic

2023· article· en· W4378976300 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueHealth Systems · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Operations and Scheduling Optimization
Établissements canadiensAlberta Bone and Joint Health InstituteUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésDiscrete event simulationEvent (particle physics)MedicineService (business)RheumatologyExploratory researchInternal medicineEvent dataMedical emergencyOperations managementEmergency medicineComputer scienceBusinessSimulationData miningEngineeringMarketing

Résumé

récupéré en direct d'OpenAlex

Adherence to wait time benchmark targets for the diagnosis and initiation of interventions for rheumatoid arthritis is crucial in altering the disease trajectory. We analysed the impact of the maximum wait time guarantee (MWTG) policy for routing referrals for the initial rheumatologist consults on the waiting and service costs. We modelled a central intake system for a rheumatology clinic as a discrete event simulation (DES) model. Using data from a central intake and rheumatology clinic as input to the model of the system, we simulated the arrival of referrals and rheumatologist visits of patients. We demonstrated the impact of the referral policy on system performance and compared the system costs in an MWTG policy and first-available-appointment policy scenarios. MWTG policy is an option for a wait time management strategy but comes with essential cost considerations. Healthcare managers and policymakers should consider the DES approach to support referral decision policy choices.

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.

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)0,003
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,000
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 Opus0,093
Tête enseignante GPT0,394
Écart entre enseignants0,301 · 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