MétaCan
Menu
Retour à la cohorte
Enregistrement W6911705572 · doi:10.5281/zenodo.13729675

Internal medicine consults within the emergency department: A workflow intervention to match workforce with workload

2024· article· en· W6911705572 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueHealthcare Systems and Technology
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésWorkloadStaffingWorkflowSpecialtyWorkforceIntervention (counseling)Service (business)Psychological intervention

Résumé

récupéré en direct d'OpenAlex

Background. Emergency departments (ED) are increasingly overcrowded, exacerbated by patients awaiting consultations and inpatient beds. Internal Medicine (IM) is the most consulted specialty service from the ED. Patients experience long delays after being consulted to Internal Medicine (IM). Objective. Decrease these delays by improving the IM consult process. Methods. A three stage process was designed. First: Analysis of the IM consult workflow over a 27-day period to identify the longest delays. Then implement a data-driven intervention. Second: Quantitatively assess the intervention by comparing three-month periods Pre-Intervention (Time A) with Post-Intervention (Time B). Third: Qualitatively assess the intervention by surveying residents. Results. The first stage included 398 consults. The longest delays were awaiting bed availability post admission order completion (mean 19.5 hours) and awaiting the initial junior resident assessment (mean 3.6 hours). This assessment delay significantly increased during busy shifts. The intervention involved the addition of an extra IM resident during the busiest four hours of the day. The second stage compared 1162 patients from Time A with 1263 patients from Time B. There was no significant change in assessment times post-intervention. However, there was an 8% increase in consult volume in Time B as compared to Time A. The third stage captured 100% of the 23 senior residents. Overall, residents reported the change as beneficial to themselves and the patients. Conclusions. For patients consulted to IM in the ED, inpatient bed availability contributed to the largest delay to leave the ED. Increasing IM resident staffing during peak hours did not decrease time to complete consults. However, increased IM resident staffing was perceived as beneficial to both residents and patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,272
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetHealthcare Systems and TechnologyTravaux en français237 207