Reducing wait times for access to inpatient rehabilitation for patients with acquired brain injury: a quality improvement initiative
Notice bibliographique
Résumé
BACKGROUND: Acquired brain injury (ABI) is a major cause of disability. Timely access to inpatient ABI rehabilitation is associated with improved outcomes at the patient, system, and societal levels. PROBLEM: Wait times to access the inpatient ABI rehabilitation programme at the local regional rehabilitation centre by patients referred from community hospitals were consistently greater than provincial targets and benchmarks. OBJECTIVE: This initiative aimed to reduce the mean wait times from referral to admission by 30% (from 27 to 19 days) during the 12-month project period. The secondary aim was to concurrently achieve a reduction in the mean wait times for decisions from 9.5 to 5 days during the same period. METHODS: A non-randomised time-series design was undertaken. Baseline and postintervention wait times were obtained from patient intake charts. Process mapping, value analysis and five-why analysis were used to identify root causes for delays in the intake process. Referring hospital staff and the ABI Rehab interdisciplinary team members were engaged in change idea development and refinement. Iterative Plan-Do-Study-Act cycles were used to improve the change ideas' usability and uptake. Data analysis was performed using the QI Macros package in Microsoft Excel. RESULTS: Root causes for delays included frequent incomplete referrals, variability in the intake process and limitations in rehab bed availability. Two change ideas were introduced: (1) a standardised intake protocol and (2) a referral checklist. Within 3 months, the mean decision wait times were reduced to 4 days (58% reduction), and the mean admission wait times were reduced to 12 days (54% reduction). CONCLUSION: This initiative led to the systematic standardisation of the intake process for the local regional ABI rehab programme. Wait time improvements surpassing the initial aims were observed and may inform future benchmarks.
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 | 0,045 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».