Emergency department overcrowding: Quality improvement in a Taiwan Medical Center

Hsu, Ching-Ting; Liang, Li-Lin; Chang, Yun-Chi; Juang, Wang‐Chuan

doi:10.1016/j.jfma.2018.03.008

Cited by 37 publications

(29 citation statements)

References 18 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…El estudio evaluó múltiples factores relacionados al uso inadecuado de los servicios de emergencia; entre los que se encuentran sexo, edad, condición laboral, grado de instrucción, acceso a tecnología, accesibilidad espacio-temporal, conocimiento del sistema de salud e implementación de este en la comunidad (2,3,16) .…”

Section: Discussionunclassified

“…La demanda de atención en el servicio de emergencia se ha incrementado en las últimas décadas en todo el mundo. (1)(2)(3) El incremento de la demanda de atención en emergencia en hospitales de referencia se explica por incremento de la población, mayor prevalencia de enfermedades crónicas, deficiencias del sistema sobretodo en la atención primaria y a la preferencia de la población de establecimientos de salud de mayor complejidad y tecnología de punta. El hacinamiento de estos servicios se ha constituido en un problema prioritario de investigación.…”

Section: Introductionunclassified

See 1 more Smart Citation

Características de la demanda no urgente en el servicio de emergencia de un hospital de la seguridad social en el Perú

Taype-Huamaní

Rojas

Miranda-Soler

et al. 2020

RFMH

View full text Add to dashboard Cite

Objetivo: Describir las características de pacientes con demanda no urgente en el departamento de emergencia de un hospital urbano de la seguridad social en el Perú. Métodos: Estudio observacional realizado en un hospital nacional de referencia. Muestreo aleatorio estratificado en una semana, 120 pacientes mayores de 14 años de prioridad IV (signos vitales estables, sin riesgo de complicación inmediata y de consulta externa general). Se aplicó un cuestionario prediseñado validado. Resultados: El 66% de pacientes fue de sexo femenino. Las edades más frecuentes fueron mayores de 65 años y el grupo de 20 a 40 años. El 47% fueron trabajadores activos, con nivel de instrucción secundaria o superior en 86% de casos. El 83% contaban con teléfono celular personal y el 73% con televisión por cable o internet en su domicilio. El 63% llegó a emergencia en transporte público. El tiempo de demora hasta el hospital fue 30-60 minutos en el 50% de casos y < 30 minutos en 28%. El 33% no conocía su centro de atención primaria y el 87% no acudió a otro establecimiento de salud previo a su arribo a emergencia. Los síntomas más frecuentes incluyeron malestar general, odinofagia, diarrea y lumbalgia. El tiempo de enfermedad fue de horas a días en el 91% de casos. Conclusión: Los pacientes de consulta no urgente que acuden al servicio de emergencia son predominantemente de sexo femenino, adultos jóvenes y mayores, laboralmente activos, con alto nivel educativo y acceso a tecnología de comunicaciones, residentes en áreas cercanas al hospital y sin conocimiento de su centro de atención primaria.

show abstract

Section: Discussionunclassified

Section: Introductionunclassified

Características de la demanda no urgente en el servicio de emergencia de un hospital de la seguridad social en el Perú

Taype-Huamaní

Rojas

Miranda-Soler

et al. 2020

RFMH

View full text Add to dashboard Cite

show abstract

“…A lot of research efforts have been made to deal with the problem of overcrowding with regard to the ED of the hospital [22][23][24][25]. To deal with this problem, inter-hospital transfers have been proposed as a possible solution [26].…”

Section: Related Workmentioning

confidence: 99%

Machine Learning-Based Patient Load Prediction and IoT Integrated Intelligent Patient Transfer Systems

et al. 2019

View full text Add to dashboard Cite

A mismatch between staffing ratios and service demand leads to overcrowding of patients in waiting rooms of health centers. Overcrowding consequently leads to excessive patient waiting times, incomplete preventive service delivery and disgruntled medical staff. Worse, due to the limited patient load that a health center can handle, patients may leave the clinic before the medical examination is complete. It is true that as one health center may be struggling with an excessive patient load, another facility in the vicinity may have a low patient turn out. A centralized hospital management system, where hospitals are able to timely exchange patient load information would allow excess patient load from an overcrowded health center to be re-assigned in a timely way to the nearest health centers. In this paper, a machine learning-based patient load prediction model for forecasting future patient loads is proposed. Given current and historical patient load data as inputs, the model outputs future predicted patient loads. Furthermore, we propose re-assigning excess patient loads to nearby facilities that have minimal load as a way to control overcrowding and reduce the number of patients that leave health facilities without receiving medical care as a result of overcrowding. The re-assigning of patients will imply a need for transportation for the patient to move from one facility to another. To avoid putting a further strain on the already fragmented ambulatory services, we assume the existence of a scheduled bus system and propose an Internet of Things (IoT) integrated smart bus system. The developed IoT system can be tagged on buses and can be queried by patients through representation state transfer application program interfaces (APIs) to provide them with the position of the buses through web app or SMS relative to their origin and destination stop. The back end of the proposed system is based on message queue telemetry transport, which is lightweight, data efficient and scalable, unlike the traditionally used hypertext transfer protocol.

show abstract

“…El hacinamiento de pacientes es uno de los principales problemas del servicio de emergencia que se ha reportado a nivel mundial y es influenciado por muchos factores (6)(7)(8)(9) . Las causas se pueden agrupar en etapas pre, intra y posterior al propio servicio de emergencia.…”

Section: Introductionunclassified

Saturación y hacinamiento del servicio de emergencia de un hospital urbano

Amado-Tíneo¹,

Castro-Coronado²,

Miranda-Soler³

et al. 2020

RFMH

View full text Add to dashboard Cite

show abstract

Emergency department overcrowding: Quality improvement in a Taiwan Medical Center

Cited by 37 publications

References 18 publications

Características de la demanda no urgente en el servicio de emergencia de un hospital de la seguridad social en el Perú

Características de la demanda no urgente en el servicio de emergencia de un hospital de la seguridad social en el Perú

Machine Learning-Based Patient Load Prediction and IoT Integrated Intelligent Patient Transfer Systems

Saturación y hacinamiento del servicio de emergencia de un hospital urbano

Contact Info

Product

Resources

About