Redirection of low-acuity emergency department patients to nearby medical clinics using an electronic medical support system: effects on emergency department performance indicators
Notice bibliographique
Résumé
BACKGROUND: Overcrowded emergency departments (EDs) are associated with higher morbidity and mortality and suboptimal quality-of-care. Most ED flow management strategies focus on early identification and redirection of low-acuity patients to primary care settings. To assess the impact of redirecting low-acuity ED patients to medical clinics using an electronic clinical decision support system on four ED performance indicators. METHODS: We performed a retrospective observational study in the ED of a Canadian tertiary trauma center where a redirection process for low-acuity patients was implemented. The process was based on a clinical decision support system relying on an algorithm based on chief complaint, performed by nurses at triage and not involving physician assessment. All patients visiting the ED from 2013 to 2017 were included. We compared ED performance indicators before and after implementation of the redirection process (June 2015): length-of-triage, time-to-initial-physician-assessment, length-of-stay and rate of patients leaving without being seen. We performed an interrupted time series analysis adjusted for age, gender, time of visit, triage category and overcrowding. RESULTS: Of 242,972 ED attendees over the study period, 9546 (8% of 121,116 post-intervention patients) were redirected to a nearby primary medical clinic. After the redirection process was implemented, length-of-triage increased by 1 min [1;2], time-to-initial assessment decreased by 13 min [-16;-11], length-of-stay for non-redirected patients increased by 29 min [13;44] (p < 0.001), minus 20 min [-42;1] (p = 0.066) for patients assigned to triage 5 category. The rate of patients leaving without being seen decreased by 2% [-3;-2] (p < 0.001). CONCLUSION: Implementing a redirection process for low-acuity ED patients based on a clinical support system was associated with improvements in two of four ED performance indicators.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 tête enseignante, 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 ».