Redukcja przypadków niepojawienia się VA: ocena przewidywanego przepełnienia w przypadku kolonoskopii (No-show)

„Niezgłoszenia się” pacjentów są szczególnie powszechne na oddziałach endoskopii żołądkowo-jelitowej (GI) VA, gdzie zarówno planowanie endoskopii z otwartym dostępem, jak i niechęć pacjentów do procedur przyczyniają się do wysokiej absencji. W tej propozycji badacze wykorzystują endoskopię jako przykład przypadku do oceny predykcyjnego modelu overbookingu uzyskanego przy użyciu predyktorów absencji na poziomie pacjenta. Interwencja polegająca na niestawieniu się większej liczby rezerwacji wykorzystuje model regresji logistycznej, który wykorzystuje dane pacjentów do przewidywania prawdopodobieństwa niepojawienia się z 80% dokładnością. Te przewidywane terminy niestawienia się będą przepełnione przez urzędników dla pacjentów, którzy zgodzą się dołączyć do krótkiej linii „szybkiej ścieżki”. Jednak pacjenci zakwalifikowani na górne endoskopie w „szybkiej ścieżce” zakładają niewielkie ryzyko odmowy usługi w dniu ich overbookingu w przypadku nietrafnych prognoz. W takim przypadku pacjent ma zagwarantowaną obsługę na najbliższym wolnym miejscu i krótszy czas oczekiwania. Pacjenci zaplanowani na kolonoskopię nigdy nie zostaną odrzuceni, ale mogą doświadczyć opóźnień w poczekalni w dniu ich wizyty w „szybkiej ścieżce”. Dzięki szybkiemu przetwarzaniu pacjentów endoskopowych i usuwaniu ich z tradycyjnych miejsc, badacze przewidują, że dostępnych będzie więcej miejsc dla pacjentów oczekujących na kolonoskopię. Badacze proponują przeprowadzenie prospektywnego, 24-miesięcznego badania z przerwanymi szeregami czasowymi (ITS) w oddziale endoskopii kliniki WLAVA (West Los Angeles Veterans Administration). W okresach interwencji badacze będą aktywować opisaną powyżej strategię predykcyjną overbookingu. Badacze porównają wyniki między strategiami planowania, w tym różnice w procentowym wykorzystaniu pojemności (główny wynik), liczbę obsłużonych weteranów, średni czas opóźnienia pacjenta między planowaniem a zabiegiem, liczbę nieoczekiwanych odmów usługi („kolizje”) z powodu nie pojawienia się predykcyjnego przepełnienia rezerwacji oraz bezpośrednich kosztów opieki. Badacze przeanalizują różnice, stosując zarówno tradycyjne podejście jednowymiarowe, jak i wielowymiarowe, a także wykorzystując analizy autoregresyjnej zintegrowanej średniej ruchomej (ARIMA), aby dostosować autokorelacje w danych ITS.