Utilizing Lean Methodology to Redesign Stroke Rehabilitation Team Rounds to improve Efficiencies.
Notice bibliographique
Résumé
Utilizing Lean Methodology to Redesign Stroke Rehabilitation Team Rounds to improve Efficiencies. Background: The need for a highly-coordinated, specialized team, who meet regularly to discuss the rehabilitation goals and progress is a part of Stroke Best Practice Guidelines (Canadian Stroke Best Practices: delivery of inpatient stroke rehabilitation. 2016). Quantitative measures such as Rehabilitation Intensity (RI), FIM efficiency and proportion of patients meeting the RPG length of stay provide quantitative measures of patient centered care. Staff and Patient satisfaction surveys are a method of measuring the qualitative improvements of our day to day work. The rehabilitation unit at the Hamilton Health Sciences (HHS) did not have a consistent process for RPG (Rehabilitation Patient Groupings) availability and team rounds were lasting for over 2 hours which impacted direct patient care.Methods: The team participated in a process mapping exercise, which identified opportunities related to the rounding process. Staff satisfaction surveys and experience based patient questionnaires were conducted. Staff and Patient surveys demonstrated opportunities around pass processes and training. Three sub working groups were formed to address quality improvement opportunities: RPG Processes, Rounds Processes and Pass Processes. Results: Preliminary data shows a change in FIM efficiency from 0.96 to 0.98 as well as an increase in the RPGu2019s available to the team in rounds (54% in 2017/18 Q2 to 80% in 2017/18 Q3). Further measurement to capture the length of time of rounds, RI improvements and the proportion of patients meeting their RPG targets are pending. Conclusion: Improving the efficiency of team rounds processes improves the quantitative and qualitative metrics in an inpatient rehabilitation program.
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 | 0,010 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,058 | 0,026 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,011 | 0,017 |
| Science ouverte | 0,021 | 0,023 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,025 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».