A comparative evaluation of the strengths of association between different emergency department crowding metrics and repeat visits within 72 hours
- PMID: 34921658
- DOI: 10.1007/s43678-021-00234-4
A comparative evaluation of the strengths of association between different emergency department crowding metrics and repeat visits within 72 hours
Abstract
Objective: We sought to compare strengths of association among multiple emergency department (ED) input, throughput and output metrics and the outcome of 72-h ED re-visits.
Methods: This database analysis used healthcare administrative data from three urban, university-affiliated EDs in Calgary, Canada, calendar years 2010-2014. We used data from all patients presenting to participating EDs during the study period, and the primary analysis was performed on patients discharged from the ED. Regression models quantified the association between input, throughput and output metrics and the risk of return ED visit within 72 h of discharge from the index ED encounter. Strength of association between the crowding metrics and 72-h ED re-visits was compared using Akaike's Information Criterion.
Results: The findings of this study are based on data from 845,588 patient encounters ending in discharge. The input metric with the strongest association with 72-h re-visits was median ED waiting time. The throughput metric with the strongest association with 72-h re-visits was the ED occupancy. The output metric with the strongest association with 72-h re-visits was the median inpatient boarding time.
Conclusion: Input, throughput and output metrics are all associated with 72-h re-visits. Delays in any of these operational phases have detrimental effects on patient outcomes. ED waiting time, ED occupancy, and boarding times are the most meaningful input, throughput and output metrics. These should be the preferred metrics for quantifying ED crowding in research and quality improvement efforts, and for clinicians to monitor ED crowding in real time.
RéSUMé: OBJECTIF: Nous avons cherché à comparer la force de l'association entre plusieurs paramètres d'entrée, de débit et de sortie des services d'urgence (SU) et l'issue des nouvelles visites aux SU après 72 heures. MéTHODES: Cette analyse de base de données a utilisé des données administratives sur les soins de santé de trois services d'urgence urbains affiliés à une université à Calgary, au Canada, pour les années civiles 2010-2014. Nous avons utilisé les données de tous les patients se présentant aux urgences participantes pendant la période de l'étude, et l'analyse primaire a porté sur les patients sortis des urgences. Des modèles de régression ont quantifié l'association entre les paramètres d'entrée, de débit et de sortie et le risque d'une nouvelle visite aux urgences dans les 72 heures suivant la sortie des urgences de référence. La force de l'association entre les paramètres d'encombrement et les réadmissions aux urgences à 72 heures a été comparée à l'aide du critère d'information d'Akaike. RéSULTATS: Les résultats de cette étude sont basés sur les données de 845 588 rencontres de patients se terminant par une sortie. La mesure d'entrée présentant la plus forte association avec les nouvelles visites dans les 72 heures était le temps d'attente médian aux urgences. La mesure du débit avec la plus forte association avec les visites répétées de 72 heures était l’occupation par le SU. La métrique de sortie présentant la plus forte association avec les revisites à 72 heures était la durée médiane d'embarquement des patients hospitalisés. CONCLUSIONS: Les mesures d'entrée, de débit et de sortie sont toutes associées aux revisites de 72 heures. Les retards dans l'une de ces phases opérationnelles ont des effets néfastes sur les résultats pour les patients. Le temps d'attente aux urgences, le taux d'occupation des urgences et le temps d'embarquement sont les paramètres les plus significatifs en termes d'entrée, de débit et de sortie. Ces paramètres devraient être privilégiés pour quantifier l'encombrement des urgences dans le cadre de la recherche et des efforts d'amélioration de la qualité, et pour permettre aux cliniciens de surveiller l'encombrement des urgences en temps réel.
Keywords: Administration; Emergency department crowding; Health services.
© 2021. The Author(s), under exclusive licence to Canadian Association of Emergency Physicians (CAEP)/ Association Canadienne de Médecine d'Urgence (ACMU).
Comment in
-
Measuring crowding: I know it when I see it.CJEM. 2022 Jan;24(1):1-2. doi: 10.1007/s43678-021-00240-6. Epub 2022 Jan 17. CJEM. 2022. PMID: 35038153 Free PMC article. No abstract available.
References
-
- Affleck A, Parks P, Drummond A, Rowe BH, Ovens HJ. CAEP position statement. Emergency department overcrowding and access block. CJEM. 2013;15:359–70. - DOI
-
- Institute of Medicine Committee on the Future of Emergency Care in the United States Health System. Hospital-Based Emergency Care: At the breaking point. Washington, D.C.: The National Academies Press. 2006.
-
- Bernstein SL, Aronsky D, Duseja R, et al. The effect of emergency department crowding on clinically oriented outcomes. Acad Emerg Med. 2009;16(1):1–10. - DOI
-
- Pines J, Hollander J, Localio AR, Metlay J. The association between Emergency Department crowding and hospital performance on antibiotic timing for pneumonia and percutaneous intervention for myocardial infarction. Acad Emerg Med. 2006;13(8):873–8. - DOI
-
- Chalfin DB, Trzeciak S, Likourezos A, Baumann BM, Dellinger RP. Impact of delayed transfer of critically ill patients from the emergency department to the intensive care unit. Crit Care Med. 2007;35(6):1477–83. - DOI
Publication types
MeSH terms
Grants and funding
LinkOut - more resources
Full Text Sources
