Application of Lean Principles to the Comprehensive Geriatric Assessment to Reduce Cycle Time
Notice bibliographique
Résumé
Background: Prolonged cycle times for new geriatric medicine assessments at the Centre for Healthy Aging have reduced the capacity to see patients. Using a time series design, the aim of the project was to decrease the average cycle time for new patients during one geriatrician's clinic from 114 to 90 minutes by May 1, 2024. Methods: Lean methodology was used for diagnostics by creating a value stream map of the workflow. This informed change ideas to improve efficiency by implementing a shared note within the electronic health record for information sharing and an assessment guide for targeted cognitive testing. The primary outcome measure was total cycle time. Balancing measures were patient clinic experience scores and counseling time. Process measures included caregiver interview time, pre-clinic intake completion rate, assessment guide use rate, and nursing assessment time. Results: Total cycle time decreased 19% from 114 minutes (19 patients) to 93 minutes (33 patients). Pre-clinic intake assessment completion rate increased from 60 to 80% and caregiver interview time decreased from 45 to 33 minutes. There was 100% uptake of the assessment guide, and nursing assessment time decreased from 43 to 31 minutes. Counseling time remained stable, and the average clinic experience scores did not decline from the baseline. Conclusions: This is the first study examining potential methods to improve efficiency of the comprehensive geriatric assessment by using value stream mapping. Spread of change ideas across the centre will be examined next with the goal of increasing capacity using available resources.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».