Discoveries and insights from implementing telehealth in a tele-acute unit: A retrospective study
Notice bibliographique
Résumé
Objective: This study examines the impact of telehealth nursing interventions on length of stay (LOS) and ratio of LOS to risk-adjusted length of stay comparing tele-acute and traditional units.Methods: Retrospective data from 6,999 patient visits at tele-acute and traditional hospital units between Q2 2020 and Q4 2022 were collected. Bivariate analysis and the Mann-Whitney U Test were used to determine statistical significance. Multivariate regression was conducted to analyze the factors affecting both LOS and the ratio.Results: Regardless of the model, the findings suggest that LOS was greater in the traditional unit. In the LOS model, the stay was 7 hours and 39 minutes longer per admission in the traditional unit. In the risk-adjusted ratio model, the LOS was 5 hours and 14 minutes longer per admission than in the tele-acute unit.Conclusions: This study contributes to a body of literature that is lacking in the use of telehealth nursing in the acute care setting. Our research offers new perspectives on how telehealth can affect operational measures like LOS and discharge times. This contribution is important as it broadens the scope of telehealth’s benefits beyond traditional remote care, highlighting its potential in fast-paced, acute care settings.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».