پاسخ به همه گیری COVID-19 منجر به انقلابی در منابع سیستم اطلاعات جغرافیایی باز (GIS) و وب GIS شده است که رشد قابل توجهی داشته است. تحویل بیمار و ازدحام جمعیت مسائلی حیاتی است که باید در طول همه‌گیری کووید-19 به آنها پرداخت. هدف چشم انداز 2030 عربستان سعودی بهینه سازی کیفیت و استفاده از منابع در بخش های اورژانس (EDs) است. فناوری GIS برای روشن کردن وضعیت کووید-19 در سطح کشور استفاده شده است، با این حال، پتانسیل فناوری GIS نیازمند تحقیقات مداوم برای حمایت از چشم‌انداز 2030 عربستان سعودی است. در طول یک بیماری همه‌گیر، فشار زیادی بر EDها وارد می‌شود و بیماران برای مدت طولانی منتظر هستند. دوره های درمان، که می تواند منجر به خطرات سلامتی بزرگ شود. هدف این مقاله نشان دادن قاعده GIS در ارائه راه حل های هوشمند در خدمات اضطراری در طول همه گیری COVID-19 است. پرسشنامه رضایت به بیش از 180 بیمار که به طور تصادفی از 9 اورژانس بیمارستان های استان جده از سطوح مختلف اولویت انتخاب شدند، توزیع شد. 15 عامل تعیین و در پنج حوزه گروه بندی می شوند تا رضایت بیماران را منعکس کنند: محیط بخش اورژانس، کارکنان بخش اورژانس، رضایت از مراقبت از پزشک و رضایت از زمان انتظار. مقادیر بحرانی نشان می دهد که در زمان انتظار 84 درصد از بیماران از اولویت دوم تا چهارم برای مدت طولانی یا شدید منتظر بوده اند. اکثر پاسخ دهندگان (87٪) می خواستند زمان انتظار ER قبل از رسیدن به بیمارستان را بدانند. این وب سایت برای 56.7٪ از آنها ترجیح داده شده برای انتشار زمان انتظار خارج از ER بود. یک داشبورد ArcGIS آنلاین برای نظارت بر زمان انتظار بیمارستان در شهر جده توسعه داده شد.

کلید واژه ها

بخش اورژانس ، زمان انتظار ، داشبورد ، GIS ، COVID-19

1. مقدمه

یک درمان پزشکی که موثر بودن را برای مراقبت های نجات دهنده بدون ملاقات قبلی در نظر می گیرد [ 1 ]. زمانی که بیمار پس از دریافت خدمات اورژانس از دروازه ورودی تا دروازه خروج نیاز دارد، کلید ارزیابی ED و بهبود تجربیات بیماران است [ 2 ]. ازدحام یکی از فراگیرترین مشکلاتی است که مانع عملکرد صحیح یک ED [ 3 ] [ 4 ] [ 5 ] می شود. زمان انتظار طولانی برای تحویل بیماران موضوعی است که باید برای بهینه سازی خدمات بهداشتی در یک اورژانس مورد توجه قرار گیرد [ 6 ]. زمان به عنوان یک عامل مهم و حیاتی در اورژانس در نظر گرفته می شود که می تواند بر رضایت بیمار و نتایج سلامت تاثیر بگذارد [ 7 ] [ 8 ]]. از این رو، کاهش زمان انتظار برای دسترسی به خدمات مراقبت های بهداشتی می تواند کیفیت استفاده از منابع را در یک ED افزایش دهد [ 9 ] [ 10 ]. در عربستان سعودی، تعداد بیماران در ED به طور چشمگیری افزایش یافته است [ 11 ]. بیماران غیر فوری – که دلایل مختلفی برای مراجعه به ED گزارش کرده اند، یعنی دسترسی سریع و مراقبت بهتر – مهمترین عاملی هستند که منجر به ازدحام بیش از حد ED شده است [ 12 ] [ 13 ] [ 14 ] [ 15 ]. تریاژ عامل مهم دیگری است که اولویت را به کسانی که نیاز به مراقبت های اولویت دار دارند می دهد [ 16 ]. بنابراین زمان انتظار باید بر اساس سطح اولویت کاهش یابد [ 17]. در طول همه‌گیری COVID-19، کاهش قابل توجهی در تعداد بیمارانی که در اورژانس‌های درمانی در عربستان سعودی شرکت می‌کنند مشاهده شد و دلیل آن ممکن است ترس از عفونت در طول ملاقات‌های آنها باشد [ 18 ]. این بیماران با مشکلات پزشکی غیر مرتبط با کووید-19 – از زمان انتظار طولانی برای درمان می ترسند. این ممکن است منجر به احتمال رضایت ضعیف شود که منجر به تأثیر منفی بیشتر بر سلامت بیمار و به طور کلی سلامت عمومی می شود [ 19 ].

زمان انتظار بیمار در یک منطقه می تواند به طور قابل توجهی برای ارائه دهندگان مختلف متفاوت باشد [ 20 ] و راه حل ها شامل پذیرش فناوری اطلاعات در سیستم مراقبت های بهداشتی است. به طور مناسب، سیستم اطلاعات جغرافیایی (GIS) به عنوان یک ابزار قدرتمند در مدیریت اورژانس و برنامه ریزی مراقبت های بهداشتی درون بیمارستانی عمل می کند [ 21 ]. مطالعات قبلی در عربستان سعودی نشان می‌دهد که ازدحام بیش از حد یکی از چالش‌برانگیزترین مشکلات پیش روی اورژانس‌ها است [ 22 ]، در حالی که دیگران با بررسی زمان انتظار در 3 بخش اورژانس عمومی به این نتیجه رسیدند که کارایی اورژانس‌ها کمتر از استانداردهای توصیه‌شده است [ 23 ]. پاسخ به COVID-19 باعث انقلابی در منابع باز GIS و وب GIS شده است که به طور قابل توجهی رشد کرده است [ 24 ]]. در مبارزه با همه‌گیری COVID-19، GIS و تجزیه و تحلیل سریع داده‌های باز و بسط داده‌ها از منابع مختلف [ 25 ] تجسم و ارتباط اطلاعات همه‌گیر را به سطوح مختلف جزئیات تغییر داده است [ 26 ] و پیش‌بینی انتقال را با درجه ارائه می‌کند. ریسک در مقیاس محلی و منطقه ای [ 27 ]. وزارت بهداشت در عربستان سعودی چندین برنامه کاربردی مبتنی بر وب و تلفن هوشمند GIS را برای ارائه اطلاعات بهداشت عمومی برای جامعه و افراد پیاده سازی کرد [ 28 ]، با این حال، تلاش بیشتری در خدمات ED مورد نیاز است. انتشار اطلاعات زمان انتظار برای ED های مختلف می تواند ابزار قدرتمندی برای کاهش زمان انتظار و افزایش رضایت باشد [ 29 ]]. در مطالعات قبلی، مشخص شد که آن دسته از بیماران ED که مورد بررسی قرار گرفتند، به شدت از دسترسی وب سایت به اطلاعات زمان انتظار قبل از رسیدن به بیمارستان حمایت کردند [ 30 ]. GIS توسط عموم برای یافتن نزدیکترین بیمارستان با استفاده از مسافت خط مستقیم یا جاده و ایجاد مناطق خدماتی برای موقعیت مکانی بهینه خدمات آینده استفاده شده است [ 31 ] [ 32 ]]. اکثر مطالعات قبلی موافق هستند که رضایت بیمار با ارائه اطلاعات زمان انتظار ED و ارائه شاخص های کیفیت برای مدیریت آینده افزایش می یابد. با این حال، مطالعات کمی چگونگی توسعه ابزاری برای پشتیبانی از انتشارات زمان انتظار در زمان واقعی را بررسی کرده اند. هیچ مطالعه‌ای در طول بررسی ادبیات که یک داشبورد GIS مبتنی بر وب برای انتشار و نظارت بر انتظار بیمارستانی در زمان نزدیک در عربستان سعودی ایجاد کرده بود، یافت نشد. این ابزار داده ها را از هر ED جمع آوری کرد. این مطالعه می‌تواند در بهبود دانش بیمار از زمان انتظار تخمینی و روش‌ها در طول بازدیدهای ED مفید باشد.

2. مواد و روشها

2.1. منطقه مطالعه و منبع داده

شهر جده هم پایتخت تجاری و هم دومین شهر بزرگ عربستان سعودی است که در دریای سرخ واقع شده است. این شهر دارای جمعیتی است که 14٪ از کل جمعیت عربستان سعودی را تشکیل می دهد – که 25.37 میلیون نفر تخمین زده می شود [ 33 ]. امکانات بهداشتی آن به دو بخش عمومی و خصوصی تقسیم می شود. این مطالعه به بیمارستان های دولتی دارای خدمات، از جمله ED محدود خواهد شد. عامل اصلی در انتخاب این بیمارستان ها در دسترس بودن برای همه افراد به ویژه افراد کم درآمد است.

نه بخش اورژانس بیمارستان های استان جده ( شکل 1 ) به 563276 بیمار خدمات ارائه می دهند. جدول 1 تمام بخش های اورژانس را برای سال 2020 در شهر جده، عربستان سعودی بررسی می کند [ 34 ]. در حال حاضر، در شهر جده، استفاده بیش از حد قابل توجهی از خدمات ED در بیمارستان های مرتبط با وزارت بهداشت وجود دارد. علاوه بر این، مسائل مهمی در مورد بخش‌های اورژانس جده از جمله سازمان‌دهی ناکافی، زمان‌های طولانی انتظار اورژانس (≥3 ساعت)، و کمبود کادر پزشکی گزارش شده است [ 13 ].

شکل 1 . مکان های بیمارستان عمومی در جده.

2.2. نمونه و رویه

حقوق بیمار باید از طریق عوامل متعددی برای توسعه و بهبود رضایت بیمار رعایت شود [ 35 ] [ 36 ]. این عوامل باید هماهنگ شوند تا شرایط مناسبی برای بهبود و توسعه رضایت بیماران با رعایت حقوق آنها در همه ابعاد فراهم شود [ 37 ].]. این مطالعه محدود به بیماران غیر کووید 19 است. یک نمونه تصادفی متشکل از 180 بیمار که طی یک ماه به ED مراجعه کردند بر اساس فاصله اطمینان 80 درصد و با خطای حاشیه ای که از 5 ± تجاوز نمی کند محاسبه می شود. داده‌ها از ژوئن تا ژوئیه 2020 جمع‌آوری شد. بیماران 20 ساله یا بالاتر در طول بازدیدشان از Eds از 9 بخش اورژانس بیمارستان‌های استان جده از سطوح اولویت مختلف برای شرکت در مطالعه انتخاب شدند. اورژانس ها به سه حوزه تقسیم می شوند که شامل اولین سطح اولویت (اورژانس های تهدید کننده زندگی) با میانگین 365 بیمار در ماه، سطح دوم اولویت (اورژانس های بالقوه تهدید کننده زندگی) با میانگین 1467 بیمار در هر ماه است. ماه و سطح سوم اولویت (غیر تهدید کننده زندگی) با میانگین 2738 بیمار در ماه. به هر بیمار 10 تا 15 دقیقه فرصت داده شد تا به پرسشنامه پاسخ دهد. در مواردی نیز خانواده بیمار به سوالات پاسخ داده می شد. دویست و پنجاه پرسشنامه توزیع شد و مصاحبه های حضوری انجام شد، اما تنها 180 پرسشنامه بازگشت که نرخ پاسخ 72 درصد را به ارمغان می آورد. 15 عامل تعیین و به پنج دسته گروه بندی می شوند: محیط بخش اورژانس، کارکنان بخش اورژانس، رضایت از مراقبت از پزشک و زمان انتظار. صفحه گسترده مقیاسی است که شامل 15 عامل است که از کاملاً موافقم تا نمره 1 تا نمره مخالف 4 را شامل می شود. 15 عامل تعیین و به پنج دسته گروه بندی می شوند: محیط بخش اورژانس، کارکنان بخش اورژانس، رضایت از مراقبت از پزشک و زمان انتظار. صفحه گسترده مقیاسی است که شامل 15 عامل است که از کاملاً موافقم تا نمره 1 تا نمره مخالف 4 را شامل می شود. 15 عامل تعیین و به پنج دسته گروه بندی می شوند: محیط بخش اورژانس، کارکنان بخش اورژانس، رضایت از مراقبت از پزشک و زمان انتظار. صفحه گسترده مقیاسی است که شامل 15 عامل است که از کاملاً موافقم تا نمره 1 تا نمره مخالف 4 را شامل می شود.

2.3. داشبورد ED آنلاین

داشبورد ED برای کمک به کاربر در به دست آوردن اطلاعات زمان انتظار آنلاین در سایت های ED در زمان واقعی ایجاد شده است. داشبورد شامل دو صفحه است: صفحه اول به کاربران امکان می دهد موقعیت مکانی خود را تعیین کنند و همچنین نزدیکترین بیمارستان را در فاصله مشخصی قرار دهند که برای این که بیماران بتوانند بیمارستانی را که نزدیکترین به محل آنها است انتخاب کنند مفید است. صفحه دوم به کاربران در بررسی زمان انتظار برای هر ED کمک می کند. داده ها در ArcGIS Pro ایجاد و سازماندهی شدند و سپس به عنوان یک لایه نقشه وب از طریق ArcGIS آنلاین به اشتراک گذاشته شدند. داشبورد بر اساس لایه وب ساخته شده است. مورد اصلی “نقاط اتاق اضطراری” است که به صورت یک لایه نمایش داده می شود و بر اساس زمان انتظار طبقه بندی می شود. علاوه بر این، یک سنج، شاخص ها و نمودارها اطلاعاتی را در مورد منابع موجود مانند تخت و ظرفیت اتاق ارائه می کنند.شکل 2 ).

2.3.1. کلاس های ویژه

یکی از ویژگی های کلاس، موقعیت جغرافیایی مراکز اورژانس را نشان می دهد. این ویژگی ها شامل اطلاعات اولیه مانند نام، شناسه و مکان است.

2.3.2. جداول

در این مدل از دو میز استفاده شده است. جدول اول برای اطلاعات عمومی است

شکل 2 . عناصر داشبورد ED و عملکردهای آن.

با توجه به توانمندی های مرکز مانند سطوح خدمات اورژانس. سه سطح اضطراری وجود دارد: اورژانس تهدید کننده زندگی، اورژانس بالقوه تهدید کننده زندگی، و اورژانس غیر تهدید کننده زندگی (به ترتیب در سطوح 1 تا 3 طبقه بندی شده اند). جدول دوم برای ذخیره تعداد روزانه موارد اورژانسی غیر اورژانسی و بیماران منتظر و زمان انتظار مورد انتظار برای موارد جدید برای پذیرش بر اساس تاریخ/زمان طراحی شده است.

2.3.3. کلاس های ویژگی رابطه

این طراحی شامل سه کلاس ارتباطی پایگاه داده جغرافیایی برای اطمینان از یکپارچگی بین کلاس ویژگی نقطه مراکز اورژانس و جداول مربوطه است. شناسه مرکز اورژانس به عنوان فیلد منحصر به فردی که روابط را کنترل می کند انتخاب شد.

2.3.4. دامنه های فیلد

سه دامنه برای یکسان سازی و تسهیل ورود داده های فیلدهای مربوط به نام مرکز اورژانس، سطح خدمات و نوع مرکز اورژانس طراحی شده است که در (شکل 3(a)-(e)) نشان داده شده است که در آن:

الف) جدول به ترتیب به روز رسانی های روزانه در مورد بیماران اشغال شده، افراد منتظر و زمان انتظار مورد انتظار را ذخیره می کند.

ب) جدول حاوی اطلاعات اولیه در مورد اورژانس مانند ظرفیت و سطح خدمات بخش است.

ج) دامنه شامل سه سطح خدمات بخش اورژانس است. این مطالعه بر اساس قابلیت های خدمات سه سطح را اتخاذ کرد. سطح 1 بالاترین رتبه است

شکل 3 . مدل پایگاه داده های جغرافیایی بخش های اورژانس.

نشان دهنده توانایی مراقبت قطعی و سریع برای تمام موقعیت های اضطراری بحرانی است.

د) دامنه شامل لیست بخش های اورژانس است.

ه) دامنه شامل انواع بخش اورژانس مانند بیمارستان های دولتی است.

2.3.5. محاسبه زمان انتظار اضطراری

کل زمان انتظار در نظر گرفته شد: شروع از مرحله تریاژ تا ارزیابی فیزیکی و درمان و پایان دادن به ترخیص [ 38 ]. طول مدت اقامت (LOS) توسط عوامل متعددی از جمله وضعیت بیمار، مداخله پزشکی مورد نیاز، در دسترس بودن تخت‌های اتاق‌های اورژانس، و سطح فعالیت در ED [ 39 ] تعیین شد ( شکل 4 ). زمان انتظار ED هر 30 دقیقه به روز می شود و با استفاده از میانگین چرخشی 4 ساعت محاسبه می شود. هر زمانی که برای محاسبه میانگین استفاده می شود، به عنوان زمان ثبت نام بیمار در ED تا زمانی که بیمار توسط یک متخصص پزشکی واجد شرایط استقبال می شود، تعریف می شود.

3. نتایج و بحث

روش شناسی این پژوهش در دو مرحله مختلف انجام شد. در مرحله اول، پرسشنامه بیش از 180 بیمار از 9 ارائه دهنده اورژانس با سه نفر توزیع شد

شکل 4 . زمان انتظار بیمار بر اساس تریاژ، ارزیابی / درمان و ترخیص پزشک.

سطوح مختلف اولویت (مورد بحث در بخش 2.2). این نشان می دهد که بیش از 85 درصد از بیماران از چهار دسته، محیط بخش اورژانس، کارکنان بخش اورژانس و رضایت مراقبت از پزشک رضایت داشتند. بحرانی ترین شاخص به طور مستقیم بر رضایت بیمار از دسته های متوسط ​​تا غیر فوری در زمان انتظار تأثیر می گذارد. 84 درصد از بیماران از اولویت دوم تا سوم برای مدت طولانی یا شدید منتظر مانده بودند. اکثر پاسخ دهندگان (87٪) می خواستند زمان انتظار ER قبل از ورود به بیمارستان را بدانند و وب سایت برای 56.7٪ از پاسخ دهندگان ترجیح داده شده ترین گزینه برای انتشار زمان انتظار خارج از اورژانس بود. شکل 5تجزیه و تحلیل آماری توصیفی از متغیرهای مطالعه ارائه می کند. بنابراین، نتایج این مطالعه تأیید می‌کند که زمان انتظار ED ارتباط آماری معنی‌داری با زمان انتظار صرف شده در ED دارد. اکثر مطالعات قبلی موافق هستند که رضایت بیمار با ارائه اطلاعات زمان انتظار ED و ارائه شاخص های کیفیت برای مدیریت آینده افزایش می یابد [ 5 ] [ 6 ] [ 38 ]]. با این حال، مطالعات کمی چگونگی توسعه ابزاری برای پشتیبانی از انتشارات زمان انتظار در زمان واقعی را بررسی کرده اند. از این رو، در مرحله دوم، یک داشبورد اتاق اورژانس برای نظارت بر زمان انتظار بیمارستان برای نیازهای پزشکی غیر مرتبط با COVID-19 ایجاد شد. داشبوردها بر اساس ArcGIS Pro برای تجسم داده ها و ارائه بینش های کلیدی برای تصمیم گیری طراحی شده اند. داشبورد ED ما از هشت مورد تشکیل شده است ( شکل 6) شامل نقشه ای که فهرستی از اتاق های اورژانس بیمارستان، وضعیت مراکز اورژانس، نشانگر زمان انتظار و سنج نمایش تخت های اشغال شده در برابر تعداد کل تخت ها را در زمان واقعی نشان می دهد. علاوه بر این، سه نمودار پویا وجود دارد که تاریخچه تخت‌های اشغال شده ER، تخت‌های منتظر بیماران را ارائه می‌کند و نمودار نهایی هم زمان انتظار و هم تخت‌های اشغال شده را در زمان واقعی برای هر بیمارستان نشان می‌دهد. نقشه (نشان داده شده در شکل 2) مکان های جغرافیایی ED ها را به عنوان نقاطی در بیمارستان های مختلف نشان می دهد. نقاط به دو رنگ دسته بندی می شوند که نشان دهنده وضعیت زمان انتظار در هر کدام است: رنگ سبز نشان می دهد زمان انتظار کمتر از یک ساعت است در حالی که رنگ قرمز نشان دهنده زمان انتظار طولانی تر است. گیج وضعیت زمان انتظار و نسبت تخت های اشغال شده را نشان می دهد. اطلاعات است

شکل 5 . نتیجه نظرسنجی پرسشنامه.

شکل 6 . داشبورد زمان انتظار ER.

به عنوان شاخص ها و نمودارها بر اساس پایگاه داده به روز شده ارائه شده است. دسته بندی های تریاژ بر اساس ارائه شرایط ارزیابی به هر بیمار اختصاص می یابد و از 1 (فوری ترین) تا تریاژ 3 (کمترین فوریت) فارغ التحصیل می شود. میانگین زمان انتظار ارائه شده در صفحه داشبورد برای بیمارانی است که به عنوان تریاژ 3 ارزیابی شده‌اند، زیرا این دسته بیشترین تخصیص داده شده است. ازدحام بیش از حد ED منجر به اقامت طولانی مدت و افزایش زمان انتظار می شود. با این حال، علی‌رغم انقلاب تکنولوژیکی، دقت مقدار قابل پیش‌بینی زمان انتظار به دلیل تغییرات در نرخ ورود بیمار و ماهیت پویای فعالیت‌های درگیر در ED [ 36 ] [ 40 ] موضوع بحث باقی می‌ماند.

4. نتیجه گیری

از زمان ظهور COVID-19 در سراسر جهان، از جمله در عربستان سعودی، فناوری GIS راه حل های هوشمند و بهترین شیوه ها را برای پاسخ به COVID-19 ارائه کرده است. عوامل زیادی بر زمان انتظار تأثیر می گذارند، از جمله جمعیت، فناوری GIS کارکنان نقش مهمی در ارائه راه حل های هوشمند در بخش های اورژانس در طول همه گیری COVID-19 ایفا کرده است. یک داشبورد اتاق انتظار اضطراری برای انتشار زمان انتظار برای EDها در شهر جده در زمان تقریباً واقعی ایجاد شد. این ابزار به کاربران کمک می کند تا یک ارائه دهنده مناسب را با حداقل زمان انتظار شناسایی کنند. از این رو با هدایت بیماران به دور از اورژانس‌های پرجمعیت در مکان‌های جغرافیایی نزدیک، به سمت اورژانس‌های کمتر شلوغ که کیفیت مراقبت و رضایت بیماران اورژانسی را بهبود می‌بخشد، مؤثر خواهد بود. محدودیت های یک مطالعه این است که حجم نمونه باید بزرگتر باشد تا سطح اطمینان افزایش یابد و داشبورد باید شامل بیمارستان های خصوصی باشد. مطالعات آینده باید به دنبال عملکردهای داشبورد و کیفیت شاخص های عملکرد باشد و چالش های مرتبط با اجرای داشبورد در ED را تجزیه و تحلیل کند.

منابع

[ 1 ] موسسه پزشکی (2007) مراقبت های اورژانسی مبتنی بر بیمارستان: در نقطه شکست. انتشارات آکادمی ملی، واشنگتن دی سی.
[ 2 ] Krall، SP، Cornelius، AP و Addison، JB (2014) تغییرات تأثیر عوامل بیمارستانی در طول مدت اقامت بخش اورژانس بیشتر از عوامل پزشک. مجله وسترن طب اورژانس، 15، 158-164.
https://doi.org/10.5811/westjem.2013.12.6860
[ 3 ] Akcali، E. و Cote، MJ (2006) یک رویکرد جریان شبکه برای بهینه سازی تصمیمات ظرفیت تخت بیمارستان. علوم مدیریت مراقبت های بهداشتی، 9، 391-404.
https://doi.org/10.1007/s10729-006-0002-4
[ 4 ] Xie، HF، و همکاران. (2006) یک رویکرد مبتنی بر مدل برای تجزیه و تحلیل الگوهای طول مدت اقامت در مراقبت های بلند مدت سازمانی. IEEE Transactions on Information Technology in Biomedicine, 10, 512-518.
https://doi.org/10.1109/TITB.2005.863820
[ 5 ] Bernstein, SL, Aronsky, D., Duseja, R., Epstein, S., Handel, D., Hwang, U., et al. (2009) اثر ازدحام بخش اورژانس بر پیامدهای بالینی گرا. اورژانس دانشگاهی، 16، 1-10.
https://doi.org/10.1111/j.1553-2712.2008.00295.x
[ 6 ] Hoot، NR و Aronsky، D. (2008) بررسی سیستماتیک ازدحام بخش اورژانس: علل، اثرات، و راه حل ها. اورژانس دانشگاهی، 52، 126-136.e1.
https://doi.org/10.1016/j.annemergmed.2008.03.014
[ 7 ] رابر و همکاران (2016) مجله اسکاندیناوی تروما، احیا و طب اورژانس، 24:39 صفحه 8 از 93.
[ 8 ] Carter, EJ, Pouch, SM and Larson, EL (2014) رابطه بین ازدحام بخش اورژانس و نتایج بیمار: یک بررسی سیستماتیک. مجله بورسیه پرستاری، 46، 106-115.
https://doi.org/10.1016/j.annemergmed.2008.03.014
[ 9 ] Locker، T.، و همکاران. (2005) اهداف و پست های هدف متحرک: تغییرات در زمان انتظار در یک بخش اضطراری بریتانیا. مجله طب اورژانس، 22، 710-714.
https://doi.org/10.1136/emj.2004.019042
[ 10 ] Willcox, S., Seddon, M., Dunn, S., Edwards, RT, Pearse, J. and Tu, JV (2007) اندازه گیری و کاهش زمان انتظار: مقایسه بین ملی استراتژی ها. امور بهداشتی (Millwood)، 26، 1078-1087.
https://doi.org/10.1377/hlthaff.26.4.1078
[ 11 ] Carroll, RJ, Horn, SD, Soderfeldt, B., James, BC and Malmberg, L. (1995) مقایسه بین المللی زمان انتظار برای روشهای قلبی عروقی انتخاب شده. مجله کالج آمریکایی قلب و عروق، 25، 557-563.
https://doi.org/10.1016/0735-1097(94)00442-S
[ 12 ] رحمانی، ر. و نوراین، ع. (2007) روند استفاده از بخش اورژانس در بیمارستانی در منطقه شرقی عربستان سعودی. مجله پزشکی عربستان، 28، 236-240.
[ 13 ] Unwin, M., Kinsman, L. and Rigby, S. (2016) چرا ما منتظریم؟ دیدگاه بیماران برای دسترسی به خدمات بخش اورژانس با شکایات غیر فوری. پرستاری اورژانس بین المللی، 29، 3-8.
https://doi.org/10.1016/j.ienj.2016.09.003
[ 14 ] داوود، SO، احمد، AMK، الشرقی، OZ و الردادی، RM (2015) استفاده از بخش اورژانس و عوامل پیش بینی مرتبط با استفاده از آن در بیمارستان های عمومی وزارت بهداشت عربستان سعودی. مجله جهانی علوم سلامت، 8، 90-106.
https://doi.org/10.5539/gjhs.v8n1p90
[ 15 ] Alyasin, A. and Douglas, C. (2014) دلایل ارائه غیر فوری به بخش اورژانس در عربستان سعودی. پرستاری اورژانس بین المللی، 22، 220-225.
https://doi.org/10.1016/j.ienj.2014.03.001
[ 16 ] آلودان، ع.، آلالشیخ، جی، القاصابی، ع.، الومران، س.، عبدالهادی، ع. و الخیال، ع. (2020) بررسی کارایی زمان انتظار در داروخانه سرپایی. MethodsX, 7, ID مقاله: 100913.
https://doi.org/10.1016/j.mex.2020.100913
[ 17 ] قریشی، NA (2010) سیستم های تریاژ: مروری بر ادبیات با ارجاع به عربستان سعودی. مجله سلامت مدیترانه شرقی، 16، 690-698.
https://doi.org/10.26719/2010.16.6.690
[ 18 ] Bruijns, SR, Wallis, LA and Burch, VC (2008) اثر معرفی تریاژ پرستار بر زمان انتظار در بخش اورژانس آفریقای جنوبی. مجله فوریت های پزشکی، 25، 395-397.
https://doi.org/10.1136/emj.2007.049411
[ 19 ] عبدالهادی، ع. (2021) تأثیرات بر تعداد بیمارانی که از واحدهای اورژانس بازدید می کنند: مطالعه مقایسه ای قبل و در طول همه گیری COVID-19 در عربستان سعودی. Journal of Multidisciplinary Healthcare, 14, 1207.
https://doi.org/10.2147/JMDH.S314191
[ 20 ] Bleustein, C., Rothschild, DB, Valen, A., Valatis, E., Schweitzer, L. and Jones, R. (2014) Wait Times, Patient Satisfaction Scores, and the Perception of Care. مجله آمریکایی مراقبت مدیریت شده، 20، 393-400.
[ 21 ] De Coster، C. (2005) عوامل غیر بالینی مرتبط با تغییرات در زمان انتظار جراحی آب مروارید در مانیتوبا. مجله کانادایی در مورد پیری، 24، 47-58.
https://doi.org/10.1353/cja.2005.0043
[ 22 ] GISP RS (2010) GIS در مدیریت اورژانس بیمارستانی و بهداشتی. CRC Press، بوکا راتون.
[ 23 ] خطاب، ای.، صباغ، ع.، الجریان، ن.، بینسلیه، ح.، الملحم، م.، القهطانی، ع. و السلامه، م. (2019) طب اورژانس در عربستان سعودی: یک قرن پیشرفت و روشن چشم انداز آینده. International Journal of Emergency Medicine, 12, 16.
https://doi.org/10.1186/s12245-019-0232-0
[ 24 ] Villanueva, CA, Almadani, M., Mahnashi, F., Alyhya, S. and Alshreef, O. (2017) Waiting Time in Emergency Department in Riyadh 2017. Journal of Biosciences and Medicines, 5, 55-60.
https://doi.org/10.4236/jbm.2017.53006
[ 25 ] Boulos, MNK and Geraghty, EM (2020) ردیابی و نقشه برداری جغرافیایی بیماری کروناویروس کووید-19/سندرم تنفسی حاد شدید کروناویروس 2 (SARS-CoV-2) همه گیر و رویدادهای مرتبط در سراسر جهان: فن آوری های GIS قرن بیست و یکم چگونه پشتیبانی می کنند مبارزه جهانی با شیوع و اپیدمی International Journal of Health Geographics, 19, 8.
https://doi.org/10.1186/s12942-020-00202-8
[ 26 ] ژو، سی.، سو، اف.، پی، تی، ژانگ، آ.، دو، ی.، لو، بی.، کائو، زی، وانگ، جی.، یوان، دبلیو.، ژو، ی. و Song, C. (2020) COVID-19: Challenges to GIS with Big Data. جغرافیا و پایداری، 1، 77-87.
https://doi.org/10.1016/j.geosus.2020.03.005
[ 27 ] Franch-Pardo، I.، Napoletano، BM، Rosete-Verges، F. and Billa، L. (2020) تجزیه و تحلیل فضایی و GIS در مطالعه COVID-19. بازنگری. Science of the Total Environment, 739, ID مقاله: 140033.
https://doi.org/10.1016/j.scitotenv.2020.140033
[ 28 ] Nath, B., Majumder, S., Sen, J. and Rahman, MM (2021) تجزیه و تحلیل خطر عفونت های COVID-19 در کلکته شهر کلکته: یک مطالعه مبتنی بر GIS و پیامدهای سیاست. GeoHealth, 5, e2020GH000368.
https://doi.org/10.1029/2020GH000368
[ 29 ] Hassounah, M., Raheel, H. and Alhefzi, M. (2020) پاسخ دیجیتالی در طول همه گیری COVID-19 در عربستان سعودی. مجله تحقیقات اینترنتی پزشکی، 22، e19338.
https://doi.org/10.2196/19338
[ 30 ] Calder-Sprackman, S., Kwok, ES, Bradley, R., Landreville, J., Perry, JJ and Calder, LA (2021) در دسترس بودن اطلاعات زمان انتظار بخش اورژانس: ارزیابی نیازهای بیمار محور. Emergency Medicine International، 2021، شناسه مقاله: 8883933.
https://doi.org/10.1155/2021/8883933
[ 31 ] McDougal، TR، Landry، AY، Herld، KR، و همکاران. (2017) به اشتراک گذاری زمان انتظار بخش اورژانس: آیا بیماران به کارایی کمک می کنند؟ مجله مدیریت بیمارستان، 6، 23.
https://doi.org/10.5430/jha.v6n4p23
[ 32 ] Xu، K. و Cui، W. (2011) ارزیابی مبتنی بر GIS دسترسی فضایی به بیمارستان های شهرستان: مطالعه موردی شهرستان Dancheng، چین. در: کنفرانس بین المللی اطلاعات و هوش تجاری، Springer، برلین، 454-460.
https://doi.org/10.1007/978-3-642-29087-9_70
[ 33 ] مراد، ا. (2018) با استفاده از GIS برای تعیین تغییرات دسترسی به سلامت در شهر جده، عربستان سعودی. ISPRS International Journal of Geo-Information, 7, 254.
https://doi.org/10.3390/ijgi7070254
[ 34 ] وزارت بهداشت وزارت بهداشت (2021).
https://www.moh.gov.sa/Ministry/MediaCenter/News/Pages/News-2021-01-12-006.aspx
[ 35 ] Andaleeb, SS (2001) ادراکات کیفیت خدمات و رضایت بیمار: مطالعه بیمارستان ها در یک کشور در حال توسعه. علوم اجتماعی و پزشکی، 52، 1359-1370.
https://doi.org/10.1016/S0277-9536(00)00235-5
[ 36 ] رحمکویست، م. و بارا، ع.- سی. (2010) ویژگی های بیمار و ابعاد کیفیت مرتبط با رضایت بیمار. مجله بین المللی کیفیت در مراقبت های بهداشتی، 22، 86-89.
https://doi.org/10.1093/intqhc/mzq009
[ 37 ] Ovens, H., Affleck, A. and Letovsky, E. (2014) On Posting Wait Times: An Alternate Times. مجله پزشکی اورژانس کانادا، 16، 1-3.
https://doi.org/10.2310/8000.2013.131057
[ 38 ] Al Nhdi، N.، Al Asmari، H. and Al Thobaity، A. (2021) بررسی شاخص های زمان انتظار و طول مدت اقامت در بخش های اورژانس. پزشکی اورژانس دسترسی آزاد: OAEM، 13، 311.
https://doi.org/10.2147/OAEM.S316366
[ 39 ] مورلی، سی.، آنوین، ام.، پترسون، جنرال موتورز، استانکوویچ، جی و کینزمن، ال. (2018) ازدحام بخش اورژانس: بررسی سیستماتیک علل، پیامدها و راه حل ها. PLOS ONE, 13, e0203316.
https://doi.org/10.1371/journal.pone.0203316
[ 40 ] Davenport، PJ، O’Connor، SJ، Szychowski، JM، Landry، AY و Hernandez، SR (2017) رابطه بین زمان انتظار بخش اورژانس و رضایت بیماران بستری. فصلنامه بازاریابی سلامت، 34، 97-112.
https://doi.org/10.1080/07359683.2017.1307066

بدون دیدگاه

دیدگاهتان را بنویسید