使用SONET分数来评估高容量急诊科拥挤:未来的推导和验证研究

文摘

背景。当前急诊的准确性和实用程序(ED)拥挤估算工具仍然不确定在EDs高年度卷。我们旨在产生一个更精确的工具来评估拥挤在一个高容量的ED设置和确定ED过度拥挤和病人护理的结果之间的联系。方法。小说评分工具(SONET:严重overcrowded-Overcrowded-Not拥挤评估工具)开发和验证在两个EDs年度销量超过100000。病人护理结果包括的数量没有被(帕萨特)病人,平均长度的ED留下来,ED 72小时的回报,和死亡率比较下不同的聚集状态。结果。ED患者的总数,机械通气病人的数量,和病人视敏度水平是影响的独立风险因素过度拥挤。SONET推导,发现更好的区分严重拥挤,拥挤,不拥挤与类似的结果验证外部状态。此外,SONET分数与ED保持长度的增加、lwb病人,72小时的回报。结论。SONET也许是更好的选择,以确定高容量过度拥挤。ED拥挤负面影响病人护理操作,经常产生病人标准化保健的观念。

1。介绍

急诊室拥挤越来越流行在全国近年来,特别是在高容量ED设置(1- - - - - -3]。在先前的研究中,严重拥挤据说ED运营管理不足的影响,而影响病人的治疗结果,包括增加的长度保持(LOS) ED,私奔的患者或没有被(帕萨特),ED /医院死亡率,病人回到ED的72小时内放电,救护车改道,医疗错误4- - - - - -6]。重要的是要准确地确定ED拥挤从而管理员妥善管理ED流的有意义的工具。历史上不同的ED拥挤工具已经被使用在不同的ED设置不一致的准确性和ED过度拥挤和消极的病人之间的关系结果指出相应的改变(7- - - - - -11]。

不同的ED拥挤报告系统也使用不同的ED过度拥挤的评估工具。一些很复杂,太多的类别(即使用。,not busy, busy, crowded, overcrowded, and severely overcrowded), while others were too simple providing only crowded versus not crowded statuses [7- - - - - -11]。主要目的为任何给定的ED拥挤估算工具应该强调的能力(1)提醒管理员/经理ED接近最大容量时,(2)确定当需要立即采取行动防止转换到一个功能失调的状态。更直观的估计埃德拥挤通过“红绿灯系统”模型,采用只有三个状态来确定:(1)绿色在正常功能状态(ED),(2)黄色在警戒状态(ED),和(3)红色(ED接近和/或现有的在一个功能失调的状态)(12]。

注意增加人口在一些地区伴随着有限的医疗资源,EDs在这些领域通常倾向于看到极高卷(> 100000每年)从而导致更频繁和严重的拥挤。全国急诊科拥挤(NEDOCS)评分工具研究是迄今为止最常用的过度拥挤的决心兼职教授在全国使用的报道相对较高的一致性。然而,在拥挤的一项研究发现,使用NEDOCS规模不能准确地确定拥挤状态在一个非常高的体积ED设置(13]。

本研究的主要目的是更准确的推导和验证工具我们叫SONET(严重拥挤overcrowded-Overcrowded-Not评估工具)来评估拥挤在一个非常高的音量设置。这个拥挤的评估工具简化为只有三个类别匹配ED“红绿灯系统”模型。我们的第二目标是确定ED过度拥挤和消极的病人护理的结果之间的关系。

2。材料和方法

2.1。研究设计和样本大小的估计

这是一个前瞻性研究旨在确定拥挤状态在一个非常高的体积ED设置一个中心派生一个拥挤的评估工具和其他中心验证它。这项研究最初是在一个公立医院的ED是一个学术部门支持紧急医学实习计划。研究年度体积超过113000。另外本研究目的也比较的准确性NEDOCS评分工具在临床环境。约翰·彼得·史密斯健康网络机构审查委员会批准了研究(IRB批准文号:110413.003前)与知情同意放弃由于缺乏个人健康信息需求和不明身份的数据的分析。此外,外部效度研究也进行了在一个不同的城市在一个社区医院ED年产超过111000的体积。

样本量估计的基础上我们之前使用NEDOCS ED拥挤估计数据。前面的研究是在2013年6月进行的。我们之前研究的结果证明NEDOCS准确确定ED拥挤(13]。在我们的设置中,NEDOCS分数落在拥挤状态超过75%的时间。的平均停留时间显示无显著差别患者注册不同拥挤条件下(13]。我们进行了改进的德尔菲调查包括首席医师、护理团队领导,和流程协调员来确定ED过度拥挤的程度超过这个操作效率开始下降。我们的调查结果表明,ED流可以合理预计将保持在大约60%的拥挤程度。比较研究旨在确定ED拥挤估计的准确性NEDOCS和SONET因此发达。设置可接受的显著性水平(双尾)99%替代假说和分配在80%(学习的力量),我们估计样本容量为222不同时间点通过使用公式,在那里被定义为75%的拥挤状态取决于NEDOCS和被定义为拥挤的地位取决于SONET的60%。是正常的偏差在99%的水平意义和正常的偏差在哪里%与II型误差的20% (14]。此外,预期的损耗率为10%,最后估计样本量是244个时间点需要确定NEDOCS和SONET组之间的显著差异。12一天内不同时间点测量,确定一个21天的审判共有252个不同的时间点测量需要。

2.2。操作变量

操作变量被用来推导出NEDOCS得分也包括在这项研究中,如在ED患者的总数,总承认持有ED, ED中使用呼吸器,承认持有最长时间(以小时为单位),最长等候室时间(小时)最近的病人放置在一个床上。两个常数包括总ED床和总病床也记录下来。在这项研究中,我们收集了这些操作变量计算NEDOCS得分。等临床或操作变量的数量主治医师、护士、值班和居民,患者的数量不同病人敏锐的水平,和那些病人的最长等待时间在候诊室时得分也收集。

此外,总紧急严重程度指数(以下称为TESI)也计算并视为一个潜在的可靠的数据元素影响ED拥挤(8]。使用反转的指数计算灵敏度水平分流的病人被放置在一个床上,被一个医生/居民。这个计算是定义为,在那里类别显示患者的数量视敏度水平,显示标准的反向敏度水平类别(1 - 5的顺序量表1是最严重的患者和5是最严重的患者),和表明病人的总数。除了TESI外,其他指标生成包括总数量的病人,医生和护士。病人总指数是ED患者的总数除以ED床位的数量。医生指数是ED患者的总数除以值班医生的数量。护士指数是ED患者的总数除以数量的护士值班。

2.3。研究方案和结果测量

推导研究进行了从7月15日,2013年,到2013年8月5日。在这21天,NEDOCS分数计算通过使用一个在线NEDOCS得分计算器(http://www.nedocs.org/每两个小时)。同时,所有的医生、护士,流协调员护士和居民被称为分开,要求报告他们的ED拥挤现状的看法。ED过度拥挤的认知评价在一个清廉厘米视觉模拟量表(血管)。ED拥挤被认为是血管,如果分数≥5和考虑血管严重拥挤,如果分数≥7作为相同的规模在其他ED拥挤研究[9,11]。平均ED过度拥挤的分数计算。为了自信比较NEDOCS分数,这是乘以20倍。此外,上面提到的所有变量记录同时由一个专门的职员并没有参与这项研究。评分工具(SONET)来确定ED拥挤就来源于学习和进一步与NEDOCS得分。此外,内部验证了使用相同的数据集。

所有患者在研究期间被分配NEDOCS分数计算时患者在ED和分层分为三个不同的拥挤注册类别。病人被其他服务和直接承认立即搬出ED被排除在本研究之外。病人被转移到现场的ED紧急护理中心和需要更高层次的护理被视为潜在的高风险的演讲和排除在这项研究,因为这些患者接受优先ED床放置不管个人敏锐的水平基于医院的政策。在ED患者注册没有NEDOCS分数计算在研究期间由于不完整的数据也被排除在本研究之外。SONET得分是派生的回顾性研究完成后,进入研究数据比较NEDOCS分数相同的病人。

为了确定ED过度拥挤影响ED操作,ED洛杉矶和帕萨特的病人的数量,ED /医院死亡率,72小时内返回ED是用作ED标记效率测量。ED /医院死亡率是指病人的死亡时,病人还是身体ED或被最初埃德。住院病人回到ED的72小时内分析了初始服务基于他们的主诉,现病史,入院/放电诊断作为最初的访问记录。所有患者在研究期间教育服务的注册被包含在数据分析。那些病人回到ED的72小时内首次演示了两个独立的医生对这项研究也不清楚。患者的主诉或任何抱怨,可能直接关系到第一个艾德访问被认为ED患者返回。两个之间的任何差异评估医生进一步审查和解决了三分之一医生获得共识。此外,所有这些操作结果的测量进行了分析和比较在不同ED拥挤条件下由NEDOCS规模。

2.4。外部效度研究

外部效度研究进行了8点8月6日6点8月27日,2014年。在这21天,NEDOCS得分再次计算每两个小时。在同一时间点,SONET的分数计算。所有患者在研究期间被分配到三个不同的拥挤的类别(例如,不拥挤,拥挤,严重拥挤组)基于计算出的分数NEDOCS和SONET。患者注册在ED NEDOCS和SONET分数计算在研究时期由于不完整的数据被排除在这个验证研究。病人的一般特征和ED操作变量(见细节表1右面板)比较,推导研究。此外,患者平均洛埃德和洛杉矶下不同灵敏度水平测定和比较不同的拥挤条件下由NEDOCS和SONET分数决定。贝勒大学医学中心的机构审查委员会批准了这项研究(IRB批准文号:14 - 013)。

2.5。数据分析和统计

应用线性回归模型和独立操作的变量会影响ED拥挤状态分数决定。调整广场被用来确定模型拟合数据的力量。(相关系数)分析了每个操作变量的散点图。变量有很强的相关性与ED拥挤被选作线性回归分析。方差膨胀因子(VIF)量化严重的多重共线性回归模型分析从而提供一个索引来估计回归系数是否由于共线性增加。操作变量VIF高(> 10)被认为是共线性,因此被排除在回归分析(15,16]。生成一个公式是基于每个独立操作变量的回归系数和一个拥挤的分数计算。SONET分数计算从这项研究也较NEDOCS得分。接受者操作特征(ROC)曲线绘制ROC曲线下和地区(AUC) SONET和NEDOCS分数之间的测量和比较。一种引导技术,随机的1000个样本用于内部验证研究分数的准确性。

考虑确定的操作意义ED拥挤状态,SONET分数分为三类:不拥挤(得分< 100),拥挤(分数在100年和140年之间,包括100年但不包括140年),和严重拥挤(成绩≥140)。基于ED患者自动分配给三组拥挤分数时一个特定的病人注册服务。lwb之间比较差异,ED /医院死亡率,并返回ED相对于72小时内不同ED拥挤地位群体方差分析(方差分析)与Bonferroni调整被用来分析组之间的差异。

所有统计分析使用占据12(大学城,TX)和一个被认为是一个统计上的显著差异。

3所示。结果

NEDCOS分数可能高估ED严重拥挤状态。一个新的ED拥挤评分工具(SONET)演示了一个相对更准确和可靠的评估ED过度拥挤。

未来的推导研究从7月15日上午8点进行,2013年,于2013年8月5日直到6点。在这21天期间所有操作变量从NEDOCS每两小时记录和计算成绩。共有6799名患者登记接收服务与最后的5748名患者在研究期间(图1和表1)。与此同时,其他SONET特定的测试变量也收集。有206个不同时间点采集的数据集,导致数据完成率为81.7% (206/252)。当与三个不同的聚集状态(不拥挤,拥挤,和严重拥挤),统计上显著的差异指出当比较ED拥挤状态SONET和NEDOCS分数(表2,)。此外,评分者间信度NEDOCS和SONET分数决定ED拥挤状态疲软(,)。

线性回归的结果表明4变量可以被认为是独立的风险因素影响拥挤状态。的调整广场是0.7872指示功率预测的回归模型。其他变量达到没有统计学意义,与过度拥挤,没有相关或有明显的共线性VIF(方差膨胀因子)大于10。因此一个新的ED拥挤计分公式(SONET)派生和定义如下。

SONET得分= 0.8×候诊室的敏锐度3级患者数量+ 0.5×的敏度2级患者占据ED床+ 10×通风病人数量+ 53×总病人指数+ 18。(简而言之形式:SONET得分=,在那里表示数量的敏锐度三级病人在等候室里,表明灵敏度2级患者的数量占据ED的床上,表明ED患者使用呼吸器的数量,和表明ED患者的总数除以总数量的床。极短的形式是“波”。)SONET分数≥100被认为是过度拥挤的状况和≥140的门槛被认为是严重拥挤状态的门槛。

使用ED过度拥挤的平均认知不同的卫生保健提供者之间的一个“黄金标准”,ROC曲线SONET和NEDOCS分数之间。结果显示更大的准确性预测ED拥挤状态的SONET得分(AUC = 0.9568, 95% CI 0.9334 - -0.9802)比NEDOCS评分(AUC = 0.9202, 95% CI 0.8797 - -0.9607,)。类似的结果发生在预测ED严重拥挤状态SONET (AUC的SONET 0.9307, 95%可信区间0.8941 - -0.9672和AUC NEDOCS 0.8902, 95%可信区间0.8436 - -0.9367,)。内部验证使用引导方法取得了类似的结果(数据未显示)。

ED拥挤状态与洛埃德,增加有关lwb病人的数量,数量的病人回到72小时内。然而,埃德/医院死亡率人数不受过度拥挤状态。

ED的平均洛分析不同的拥挤状态下分数分别由NEDOCS和SONET。不同拥挤状态下的平均洛埃德分数由SONET团体之间达到统计上的显著差异,特别是在与不同灵敏度水平组(以下简称应急严重性指数(ESI)水平,见下表3)。越严重的拥挤,所有患者的平均洛的时间越长,特别是在ESI-3 ESI-4, ESI-5类别。在分析只有出院病人时,类似的结果发生在组间的统计上的显著差异(表3)。ED拥挤状态取决于NEDOCS时,它显示类似的结果,但不是那么明显分化与SONET(表4)。

每两个小时lwb数据收集。结果表明lwb患者的数量与ED过度拥挤的严重程度取决于SONET和NEDOCS分数。然而,没有统计上的显著差异被发现之间的拥挤和拥挤的条件下由NEDOCS分数(表5)。

在研究期间,7病人死于ED和23个艾德承认后病人死在医院里。所有的7个病人死在ED是直接相关的创伤和所有带来的紧急医疗服务(EMS)人员。这些患者被立即由ED的医生和创伤外科医生。病人死在医院的艾德承认后,19日23被带到ED通过EMS或私人汽车和决心的状态不复苏(医嘱)由于各种结束阶段的疾病。剩下的4例ED通过EMS没有医嘱状态(表6)。研究结果显示死亡率之间没有强有力的协会和利用NEDOCS或SONET分数(ED过度拥挤)。这个子集的患者的ED拥挤状态表示NEDOCS和SONET分数显示合理水平的协议(,)。

共有440名患者ED的72小时内返回到最初的访问在研究期间。只有183这些患者的ED返回直接相关的首次访问。归来的人们中,有18个是承认最初然后出院没有坏结果(图2)。NEDOCS和SONET分数的所有18例首次ED访问显示拥挤或严重拥挤的状态,表明ED拥挤与72小时ED收益密切相关。

外部效度研究证实SONET分数的更准确的使用在一个非常高的音量设置。

外部验证的研究也是在21天内完成一个社区ED的极高的体积。在这21天,数据收集每2小时。总共有232完成数据集与数据收集在不同的时间点完成率为92.06% (232/252)。结果比在不同译本对拥挤状态(表的百分比2右面板)。类似的趋势发生在比较拥挤状态由NEDOCS(表3)。

病人相似之处被发现的一般特征(例如,性别和年龄)和操作变量(包括病人的数量、应急服务国际公司的水平,和招生率)当比较(表推导和验证研究网站1)。然而,不同拥挤状态下的平均洛埃德不同考虑是否拥挤状态时由NEDOCS与SONET(表7)。似乎没有趋势发展的长期ED停留在比较不同的拥挤状态由NEDOCS得分。然而,趋势是指出当比较长期ED保持与不同的拥挤状态得分SONET虽然没有明显的统计学差异是感激。洛杉矶的进一步分析患者不同的敏锐程度证明了相似的结果(表8)。这证实了改进SONET的准确性决定相对拥挤状态在一个非常高的音量设置。

4所示。讨论

NEDOCS目前被认为是最常用的ED拥挤评分工具开发。不确定性存在于对它的准确性在确定的相对程度的ED拥挤状态跨不同临床环境7,17,18]。这是发达国家在学术EDs中度到高年度卷。我们的研究是在一个公立医院的ED是一个学术部门支持紧急医学实习计划。我们之前的研究结果显示使用NEDOCS确定拥挤状态可能不是非常可靠高容量ED设置(13]。因此,为了确定拥挤评分的准确性和一致性工具极其高容量ED设置SONET NEDOCS推导和比较。

最常见的一种模型用于评估ED拥挤状态是基于“input-throughput-output”理论和多个独立操作相关因素(19- - - - - -21]。病人在等候室里的数量随着救护车到达的输入因素通常被认为是不受控制的变量。ED患者的疾病严重程度,兼职考试的数量和程序中执行,和值班医生和护士的人数显著影响ED吞吐量。输出的因素,如运动承认,ED的转移,登上病人也影响效率。这些操作变量可以作为独立危险因素或当别人可能混杂因素产生协同效应。因此在ED过度拥挤的设置有效的教育管理需要一种手段准确、可靠地预测相对拥挤状态,可能触发实时实现预定的操作干预措施旨在缓解过度拥挤的负面影响对医疗保健服务质量和患者和工作人员的经验。

几个ED过度拥挤的评估工具是使用不同的操作参数。急诊科工作指数(EDWIN)包括在ED患者的总数,这些患者的疾病严重程度,ED床的总数,在ED患者登上操作参数来开发一个公式估算ED拥挤状态(11]。ED工作得分发现,病人在等候室里的数量,这些患者的疾病严重程度,ED床的总数量和值班护士的数量影响ED拥挤状态(10]。ED入住率是计算从ED患者的数量和ED床的数量8]。NEDOCS通常使用的一个工具,在全国不同的ED设置(7]。它仅限于五变量使用一个数学公式,但不包括医生和护士人力资源水平和患者病情严重程度的水平。除了人口选择性偏差,这些ED过度拥挤的评估工具的局限性,没有一个包含所有潜在的操作参数在一个单一的工具(9]。我们的研究包括20个不同的操作参数,我们可以一起收集和分析来确定估计的过度拥挤。在我们的研究中,4个操作参数被认为是无共线性独立的预测因子。研究分数还显示更好的准确性而NEDOCS分数表明更大的信心在ED研究人群拥挤状态的估计。

特定工具的效用是有效沟通的能力相对拥挤在近乎实时的状态,并提供额外的资源需求的准确预测临床工作人员和政府为了提供一个安全的环境。我们ED拥挤估计评分工具,严重overcrowded-Overcrowded-Not拥挤(SONET)评估工具,推导公立三级医院设置的紧急医学实习计划和年度销量远高于那些用于推导NEDOCS。SONET当时外部验证与类似的社区教育年度卷。SONET不拥挤的分数表明状态在ED的正常功能。当SONET产生拥挤的分数表明ED在最大容量和管理员应密切监测ED流量并开始调动更多资源。当SONET产生严重拥挤的分数必须立即部署额外的资源来减压拥堵。当与运营管理,它被认为是更直观的报告在“拥挤严重拥挤(红色),(黄色),而不是拥挤的(绿色)”类别,类似于“红绿灯系统”(12]。综上所述,SONET可能最终被发现更可靠地应用于类似的设置。

ED拥挤与消极的病人护理的结果比如lwb增加利率和埃德•洛(22- - - - - -25]。这些消极的病人护理的结果可以提高通过干预措施旨在减少ED过度拥挤26- - - - - -28]。我们的研究证实,平均ED洛杉矶与ED过度拥挤和展示了高度的相关性,当达到严重拥挤和持续的状态。然而,仅限于出院患者初始ESI级别3 - 5,因为患者ESI水平1 - 2被认为是高危病人需要立即干预无论相对拥挤状态。此外,大多数的这些高风险患者研究中ED抵达救护车EMS报告提供在去医院的途中从而导致立即床放置在演讲。子集的住院患者的ED我们观察到的趋势长期洛杉矶时所有的病人教育变得更加拥挤虽然没有达到统计上的显著差异,特别是在患者筛选ESI水平的1,4,5(数据未显示)。ED拥挤可能部分归因于美国其他操作变量影响整体医院拥挤承认患者的子集(中扮演很重要的角色29日,30.]。只有28 ESI 4 - 5级患者住院期间研究从而为分析负面影响的统计力量。正如上面提到的,病人筛选ESI-1被认为是危重病人,因此得到及时关注到达。ED拥挤对这些患者没有明显的影响,因为他们通常通过ED和住院没有设置以最小的延迟。

我们的研究发现,lwb率与ED过度拥挤和展示了高度的相关性,当一个达到严重拥挤和持续的状态。这也是符合先前的研究的报道31日,32]。显著的入院率的子集患者指出,ED的72小时内返回到最初的访问。大多数的病人而ED是他们最初的访问在一个拥挤的状态。没有不良医疗结果指出在这些病人。大多数病人的帕萨特,回到ED子集最初72小时内修复ESI-3水平患者(紧急但不紧急状态)。ED拥挤状态似乎并不影响ED /医院死亡率作为这些病人都被医生立即到达,所有被筛选为ESI-1水平患者(紧急状况)。这可能表明灵敏度水平起着重要的作用在病人护理操作时达到ED拥挤的状态。这也表明ESI-3水平患者护理的子集的结果可能会显著影响下不同的拥挤状态。

总体而言,我们的研究结果表明SONET可能是一个合适的工具,以确定ED拥挤在一个非常高的体积。此外,ED拥挤与消极的病人护理的结果包括增加平均ED洛杉矶和帕萨特的病人的数量。

限制。SONET工具是来自一个城市的学术教育隶属于一个公立医院系统,具有极高的年度ED体积。结果可能存在偏差,由于选择性偏差与研究相关的人口。考虑到这些数据来自一个单一的机构,我们执行一个内部验证使用相同数据的随机研究社区教育的引导和外部验证相似的体积。分析数据显示一致的结果表明使用SONET工具的可靠性确定ED拥挤状态。正如上面提到的,我们意识到,这项研究结果可能存在偏差,由于人口的选择。因此,一个更大的多中心研究类似的教育环境中需要实现广泛的外部验证。

目前,仍然没有黄金标准工具的能力定义过度拥挤。唯一依赖的看法不同的卫生保健提供者可能会过于主观。然而,一项研究测试了评分者间信intrarater可变性的卫生保健提供者的看法和结果演示了一个温和的好协议在研究参与者(13]。SONET工具推导基于ED拥挤感知的平均水平由同一组医疗服务提供者应减少个人主观判断的偏差。

不完整的数据相对比我们最初估计(18.3%比10%),导致了一个相对较小的样本大小(206时间点)。这是基于计算样本量预期达到99%的显著性水平。然而,它提供足够的数据为统计分析获得95%的显著性水平。此外,我们意识到结果60.19%的ED拥挤水平非常接近60%的Delphi估计计算。类似的样本容量产生类似的结果在分析数据从外部验证研究。

最后,使用SONET分数来确定拥挤状态可能只适用于类似的设置EDs因为过度拥挤的看法可能不同医疗服务提供者之间的不同在不同的教育环境中工作。这个工具可能不适合一个相对较低的音量设置。

5。结论

总的来说,我们的研究结果表明SONET可能是一个更好的工具来确定拥挤的ED设置极高的体积。这个评分系统的目的是区分只严重拥挤,拥挤,不拥挤的状态。此外,ED拥挤会影响病人护理操作,经常产生病人标准化保健的观念。

利益冲突

作者宣称没有利益冲突有关的出版。

作者的贡献

理查德·d·罗宾逊,内斯托尔·r·郝Wang Zenarosa构思设计的研究和开发咨询与所有作者。凯莉,查尔斯·a·哈金斯布雷特银行,凯瑟琳·沃森乔妮丹尼尔斯和约翰·s·加勒特组装数据集和收集数据。郝Wang詹姆斯p D 'Etienne,理查德·D·罗宾逊,内斯托尔·r·Zenarosa进行统计分析和起草论文,和所有作者阅读和批准了期末论文。郝王负责整个论文。

确认

作者要感谢所有JPS ED主治医师、居民,医学生,护理人员,单位职员参与这项研究。特别感谢将达芙妮Celmer女士帮助收集和JPS原始数据转移到电子文件。他们还想感谢BUMC ED流协调小组的帮助收集验证研究数据。特别感谢将乔迪•菲利普斯和辛迪女士McRay帮助组织和监督验证数据收集。

补充材料

引用

1. s·l·伯恩斯坦和b . r . Asplin急诊科拥挤:老问题、新解决方案,“急诊医学诊所北美,24卷,不。4、821 - 837年,2006页。视图:出版商的网站|谷歌学术搜索
2. j . s . Olshaker“急诊科拥挤总经理”急诊医学诊所北美,27卷,不。4、593 - 603年,2009页。视图:出版商的网站|谷歌学术搜索
3. n . r .呵斥和d . Aronsky应急部门的系统综述:拥挤原因,影响和解决方案,“急诊医学年鉴,52卷,不。2、126 - 136年,2008页。视图:出版商的网站|谷歌学术搜索
4. d . p . j . c . Moskop Sklar, j . m . Geiderman r . m . Schears和k . j .书店”1-concept急诊科拥挤、部分,原因,和道德的后果,”急诊医学年鉴,53卷,不。5,605 - 611年,2009页。视图:出版商的网站|谷歌学术搜索
5. e . b . Kulstad r . Sikka r·t·Sweis k·m·凯利和k h . Rzechula”ED拥挤与用药错误频率的增加有关,”美国急诊医学杂志》上,28卷,不。3、304 - 309年,2010页。视图:出版商的网站|谷歌学术搜索
6. m·j·舒尔l . j . Morrison m . Vermeulen和d . a . redelmeler“急诊科拥挤和救护车运输延误患者胸痛、”加拿大医学协会期刊,卷168,不。3、277 - 283年,2003页。视图:谷歌学术搜索
7. s . j . Weiss r . Derlet j . Arndahl et al .,“估计急诊科拥挤的程度学术医疗中心:国家ED拥挤研究结果(NEDOCS)”学术急诊医学,11卷,不。1,38-50,2004页。视图:谷歌学术搜索
8. m·l·麦卡锡d . Aronsky i d·琼斯et al .,“急诊入住率:一个简单的急诊科拥挤?”急诊医学年鉴,51卷,不。1、15. e2-24页。e2, 2008年。视图:出版商的网站|谷歌学术搜索
9. s . s .琼斯,t·l·艾伦,t . j . Flottemesch所带领的s·j·韦尔奇,“一个独立的评估四个定量急诊科拥挤尺度,“学术急诊医学,13卷,不。11日,第1211 - 1204页,2006年。视图:出版商的网站|谷歌学术搜索
10. s . k .爱泼斯坦和l .田”发展紧急部门工作成绩预测救护车转移,”学术急诊医学,13卷,不。4、421 - 426年,2006页。视图:出版商的网站|谷歌学术搜索
11. s . l .伯恩斯坦诉Verghese, w .梁,a . j . Lunney和佩雷斯,“开发和验证一个新的指数来衡量急诊科拥挤,”学术急诊医学,10卷,不。9日,第942 - 938页,2003年。视图:出版商的网站|谷歌学术搜索
12. d·迪莉娅,“医院能力,病人流,急诊室使用在新泽西州,”http://www.nj.gov/health/rhc/documents/ed_report.pdf。视图:谷歌学术搜索
13. h . Wang r·d·罗宾逊k群et al .,“确定拥挤状态的准确使用国家ED过度拥挤的研究工具,”美国急诊医学杂志》上,32卷,不。10日,1230 - 1236年,2014页。视图:出版商的网站|谷歌学术搜索
14. s . c . Chow h . Wang和j .邵在临床研究样本量的计算、CRC生物统计学系列、查普曼&大厅/ CRC出版社,第二版,2008年版。
15. m·h·库特纳c . j . Nachtsheim和j .净应用线性回归模型麦格劳-希尔欧文,第四版,2004年版。
16. f . y .谢长廷、d·A·布洛赫和m·d·拉尔森”一个简单的样本量计算线性和逻辑回归的方法,”医学统计,17卷,不。14日,第1634 - 1623页,1998年。视图:出版商的网站|谷歌学术搜索
17. s . j . Weiss a·a·恩斯特和t . g .尼克,”全国急诊科拥挤比较规模和急诊科工作指数量化急诊科拥挤、”学术急诊医学,13卷,不。5,513 - 518年,2006页。视图:出版商的网站|谷歌学术搜索
18. k . Raj k·贝克,美国主管和d·默里,”国家急诊科拥挤在澳大利亚学习工具不是有用急诊室,“急诊医学澳大拉西亚,18卷,不。3、282 - 288年,2006页。视图:出版商的网站|谷歌学术搜索
19. l·d·理查森,b . r . Asplin和r·a·劳”急诊科拥挤卫生政策问题:过去的发展,未来的发展方向,”急诊医学年鉴,40卷,不。4、388 - 393年,2002页。视图:出版商的网站|谷歌学术搜索
20. 黄,m·l·麦卡锡d Aronsky et al .,”措施在急诊科拥挤:系统回顾,“学术急诊医学,18卷,不。5,527 - 538年,2011页。视图:出版商的网站|谷歌学术搜索
21. l . s .樽”,文学的分析急诊科吞吐量,”西方的急诊医学杂志》上,10卷,不。2、104 - 109年,2009页。视图:谷歌学术搜索
22. s . l .伯恩斯坦d . Aronsky r . Duseja et al .,“急诊科拥挤对面向临床结果的影响,“学术急诊医学,16卷,不。1、1 - 10,2009页。视图:出版商的网站|谷歌学术搜索
23. Trzeciak和e . p .河流”,急诊科拥挤在美国:一个新兴威胁病人安全、公共卫生、”急诊医学杂志,20卷,不。5,402 - 405年,2003页。视图:出版商的网站|谷歌学术搜索
24. m·l·麦卡锡s . l . Zeger r .丁et al .,“拥挤延误治疗和急诊滞留时间延长,甚至在high-acuity病人,”急诊医学年鉴,54卷,不。4、492 - 503年,2009页。视图:出版商的网站|谷歌学术搜索
25. r . w . Derlet和j·r·理查兹,”拥挤在这个国家的紧急部门:复杂的原因和令人不安的影响,“急诊医学年鉴,35卷,不。1,第68 - 63页,2000。视图:出版商的网站|谷歌学术搜索
26. d·霍布斯s . c . Kunzman d和d . Sklar,腾博公司”与急救中心的病人离开医院相关的因素没有被看见,”美国急诊医学杂志》上,18卷,不。7,767 - 772年,2000页。视图:出版商的网站|谷歌学术搜索
27. 卡丹,m .新近e . Lang et al .,”干预减少急诊科拥挤:它有影响还访问和再入院医院吗?”急诊医学年鉴第41卷。。2、173 - 185年,2003页。视图:出版商的网站|谷歌学术搜索
28. g·c·Geelhoed和n h .德克勒克急诊科拥挤,死亡率和4规则在澳大利亚西部,”澳大利亚医学杂志,卷196,不。2、122 - 126年,2012页。视图:出版商的网站|谷歌学术搜索
29. a·j·福斯特Stiell, g .井,a·j·李,和c·范·沃伦文,“医院入住率的影响急诊科停留时间和耐心的性格,“学术急诊医学,10卷,不。2、127 - 133年,2003页。视图:出版商的网站|谷歌学术搜索
30. p . m . Nippak w·w·艾萨克·c·j . Ikeda-Douglas a . m . Marrion和m . VandenBroek”有急诊和住院的长度保持关系吗?”加拿大的农村医学杂志》上,19卷,不。1,12-20,2014页。视图:谷歌学术搜索
31. j . Fayyaz m .无独有偶,m·米尔,和a . Mehmood“失踪的船:病人离开ED的几率不被发觉,“BMC急诊医学第一条,卷。13日,2013年。视图:出版商的网站|谷歌学术搜索
32. s . j . Weiss a·a·恩斯特r . Derlet r·王,a·拜尔和t . g .尼克,“国家教育之间的关系过度拥挤的规模和数量的病人离开而不被看到在学术教育,“美国急诊医学杂志》上,23卷,不。3、288 - 294年,2005页。视图:出版商的网站|谷歌学术搜索

版权

版权©2015王郝et al。这是一个开放的访问分布在条知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。