Optimizing Operating Room Efficiency for Primary Hip and Knee Arthroplasty Using Performance Benchmarks
Notice bibliographique
Résumé
Background: With increasing demand for total hip arthroplasty (THA) and total knee arthroplasty (TKA), maximizing operating room (OR) efficiency is critical. This paper sought to examine the implementation of time benchmarks when performing primary TKA and THA. We hypothesized that implementing benchmarks would improve efficiency and the number of joints performed per day. Methods: ; American Society of Anesthesia, 2. Time points, demographics, and adverse events were recorded. Benchmarks to complete 4 joints in 8 h were: anesthesia preparation time (APT) of <11 min, procedure time of <72 min, anesthesia finish time (AFT) of <21 min, and turnover of <22 min. Results: The percentage of cases meeting individual benchmarks for APT was 50.17%; procedure time was 95.25%; AFT was 99.67%; turnover was 65.25%. The means were: APT 11:00 min, Surgical Prep Time 9:00 min, procedure time 55:00 min, AFT 3:00 min, and turnover 19:00 min. Overall, 98.3% (58/59) of ORs had 4 cases completed within 8 h and 52.5% (31/59) had 5 cases within 8 h. Age, body mass index, and consecutive laterality of surgery were determined to affect the likelihood of meeting benchmarks for case time, APT, and turnover. Conclusions: Establishing time benchmarks permitted the introduction of 5 joint days within an 8-h OR without increasing resource utilization. Factors that influence OR efficiency for high-volume primary hip and knee replacements were identified.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».