| HOME | HELP | FEEDBACK | SUBSCRIPTIONS | ARCHIVE | SEARCH | TABLE OF CONTENTS |
* From the Departments of Anesthesia and Health Management & Policy, University of Iowa, Iowa City, Iowa;
the Departments of Anesthesia and Health Research & Policy, Stanford University, Stanford, California;
the Department of Anesthesiology, Jefferson Medical College, Philadelphia, Pennsylvania; and
the Department of Management Sciences, University of Iowa, Iowa City, Iowa, USA.
Address correspondence to: Dr. Franklin Dexter, Division of Management Consulting, Department of Anesthesia, 6-JCP, University of Iowa, Iowa City, Iowa 52242, USA. Phone: 319-621-6360; Fax: 603-947-1304; E-mail: Franklin-Dexter{at}UIowa.edu
Objectif : La prédiction non biaisée de la durée des cas fait partie de l’attribution du personnel à la salle d’opération (SO). La mesure du biais systématique de la durée des opérations réglées peut indiquer les services dont les estimations sont suffisamment imprécises pour qu’une analyse statistique des données historiques soit plus utile que les prédictions des chirurgiens. Nous décrivons une méthode pour mesurer le biais moyen de la durée des opérations réglées.
Méthode : La durée réelle, la durée prévue des cas réglés et le service ont été obtenus à partir des 58 291 cas vus pendant 39 périodes de quatre semaines dans un hôpital universitaire. Pour chaque période, un ratio a été calculé. Le numérateur pour chaque service égalait la somme des différences en minutes entre la durée réelle et prévue. Le dénominateur égalait la somme en heures des durées réelles de tous les cas du service. Le ratio a été multiplié par huit heures pour avoir le nombre de minutes sous-estimées par huit heures de temps de SO pendant la période.
Résultats : Les ratios présentaient une distribution normale pour chaque service. Selon la distribution t de Student, la valeur la plus faible de l’intervalle de confiance de 95 % pour la moyenne estimée de la durée des cas allait de trois à 65 min par 8 h d’usage du temps de SO.
Conclusion : Pour réduire le dépassement de temps de SO, nous recommandons le monitorage de la valeur inférieure de l’intervalle de confiance de 95 % du biais dans la durée des cas réglés pour chaque service. Si la sous-estimation est régulière il vaut mieux utiliser des prédictions statistiques de la durée fondées sur les données historiques plutôt que des estimés personnels.
This article has been cited by other articles:
 |
|
 |
|
  F. Dexter, E. U. Dexter, D. Masursky, and N. A. Nussmeier Systematic Review of General Thoracic Surgery Articles to Identify Predictors of Operating Room Case Durations Anesth. Analg., April 1, 2008; 106(4): 1232 - 1241. [Abstract] [Full Text] [PDF]
|
|
|
|
 |
|
 M. Olivares, C. Terwiesch, and L. Cassorla Structural Estimation of the Newsvendor Model: An Application to Reserving Operating Room Time Management Science, January 1, 2008; 54(1): 41 - 55. [Abstract] [PDF]
|
|
|
|
|
|
F. Dexter, Y. Xiao, A. J. Dow, M. M. Strader, D. Ho, and R. E. Wachtel Coordination of Appointments for Anesthesia Care Outside of Operating Rooms Using an Enterprise-Wide Scheduling System Anesth. Analg., December 1, 2007; 105(6): 1701 - 1710. [Abstract] [Full Text] [PDF]
|
|
|
|
|
|
C. McIntosh, F. Dexter, and R. H. Epstein The Impact of Service-Specific Staffing, Case Scheduling, Turnovers, and First-Case Starts on Anesthesia Group and Operating Room Productivity: A Tutorial Using Data from an Australian Hospital Anesth. Analg., December 1, 2006; 103(6): 1499 - 1516. [Abstract] [Full Text] [PDF]
|
|
|
|
|
|
F. Dexter, J. C. Yue, and A. J. Dow Predicting anesthesia times for diagnostic and interventional radiological procedures. Anesth. Analg., May 1, 2006; 102(5): 1491 - 1500. [Abstract] [Full Text] [PDF]
|
|
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| HOME | HELP | FEEDBACK | SUBSCRIPTIONS | ARCHIVE | SEARCH | TABLE OF CONTENTS |
