Сокращение числа неявок VA: оценка прогностического избыточного бронирования применительно к колоноскопии (No-show)

«Неявки» пациентов особенно распространены в отделениях эндоскопии VA желудочно-кишечного тракта (ЖКТ), где как открытое расписание эндоскопии, так и неприязнь пациентов к процедурам способствуют большому количеству невыходов на работу. В этом предложении исследователи используют эндоскопию в качестве примера для оценки прогностической модели избыточного бронирования, полученной с использованием предикторов невыхода на работу на уровне пациента. Вмешательство в случае неявки с избыточным бронированием использует модель логистической регрессии, которая использует данные пациентов для прогнозирования вероятности неявки с точностью 80%. Эти запланированные встречи с неявкой будут переполнены клерками для пациентов, которые соглашаются присоединиться к «быстрой» линии быстрого вызова. Тем не менее, пациенты, которым назначена верхняя эндоскопия в «ускоренном пути», предполагают небольшой риск отказа в обслуживании в день их избыточного бронирования в случае неточных прогнозов. В этом случае пациенту гарантировано обслуживание в следующем доступном положении и гарантировано более короткое время ожидания. Пациентам, назначенным на колоноскопию, никогда не откажут, но они могут столкнуться с задержкой в ​​приемной в день их «ускоренного» приема. Исследователи предсказывают, что благодаря быстрой обработке пациентов с эндоскопией и перемещению их из традиционных слотов для пациентов, ожидающих колоноскопии, появится больше слотов в расписании. Исследователи предлагают провести проспективное 24-месячное исследование с прерывистыми временными рядами (ITS) в отделении эндоскопии клиники WLAVA (Управление по делам ветеранов Западного Лос-Анджелеса). В период вмешательства следователи будут активировать описанную выше стратегию прогнозирования неявки с превышением количества мест. Исследователи будут сравнивать результаты между стратегиями планирования, включая различия в процентном использовании мощностей (основной результат), количество обслуживаемых ветеранов, среднее время ожидания пациента между планированием и процедурой, количество неожиданных отказов в обслуживании («удары») из-за неявки прогнозируемого избыточного бронирования. и прямые затраты на уход. Исследователи будут анализировать различия, используя как традиционные одномерные, так и многомерные подходы, а также используя авторегрессионный интегрированный анализ скользящего среднего (ARIMA) для корректировки автокорреляций в данных ITS.