MétaCan
Menu
Retour à la cohorte
Enregistrement W4402242485 · doi:10.1136/bmjoq-2024-qsh.29

30-4EAN Stopwatch: tecnologia para melhoria da qualidade do atendimento a pacientes oncológicos

2024· article· pt· W4402242485 sur OpenAlexaff
Juliana Palacio de Queiroz Ventura Barros, Albertina Proença Rodrigues Alves, Joseana da Costa Guimarães Barbosa, Williame Correia de Lima, Ormando Rodrigues Campos Júnior, Sarah Rayssa Cordeiro Sales Pinheiro

Notice bibliographique

Revuenon disponible
Typearticle
Languept
DomaineComputer Science
ThématiqueHealthcare during COVID-19 Pandemic
Établissements canadiensNutrasource
Organismes subventionnairesnon disponible
Mots-clésStopwatchComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Introdução O paciente oncológico vivencia fatores estressores que perpassam a rotina de tratamento, tais como fila de espera e demora na dispensação da medicação. 1,2 Diante dessas dificuldades, é importante que haja inovações tecnológicas que mapeei barreiras no processo de atendimento, proporcionando maior qualidade no atendimento em saúde. Sabendo dessas problemáticas, o estudo tem como objetivo relatar a criação de uma tecnologia – Stopwatch - que acompanha a jornada do paciente em um ambulatório oncológico.Método A tecnologia Stopwatch foi criada pela colaboração dos setores de enfermagem e da tecnologia da informação para identificar gargalos que causam atrasos na dispensação de medicamentos. Na primeira fase, foi realizado um mapeamento do tempo desde a manipulação do medicamento pela equipe da farmácia até sua entrega no posto de enfermagem. Os setores foram:-Farmácia Satélite -> Enfermagem: 12 minutos para liberar a punção e pré-medicação.-Farmácia Produção -> Enfermagem: 45 min para liberar quimioterapia.-Enfermagem -> Alta.Na segunda etapa, a tecnologia foi utilizada para monitorar o tempo de entrega de cada setor conforme os acordos estabelecidos. Na terceira etapa, foi implementado um painel de controle em tempo real, onde a equipe é notificada em caso de atraso, permitindo a prestação de justificativas para mapear as barreiras.Resultado Após mapear o processo, identificamos que a farmácia satélite tinha um índice de atraso de 16,71%, enquanto a farmácia de produção registrava 19,67%. As principais causas de atraso foram dificuldade de rede venosa, liberação de múltiplos protocolos e alta demanda simultânea de pacientes. Três meses após a implantação da ferramenta, foram reduzidos para aproximadamente 9,69% na farmácia satélite e 5,61% na farmácia de produção, indicando uma melhoria significativa.Conclusão O uso da tecnologia foi possível aprimorar o entendimento do desempenho, identificar entraves à eficiência, melhorar a motivação e facilitar a tomada de decisões através de previsões, além de diminuir o tempo de espera dos pacientes de forma segurança e com qualidade no atendimento. O Stopwatch se mostrou uma inovação que capaz de otimizar a eficiência dos sistemas de saúde, podendo ser disseminado em outros contextos de saúde.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil0,276

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0820,021

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 Opus0,096
Tête enseignante GPT0,388
Écart entre enseignants0,292 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même sujetHealthcare during COVID-19 PandemicTravaux en français237 207