Crowding di pronto soccorso : sperimentazione del modello NEDOCS

Objective: crowding is a major problem among Emergency Departments worldwide. The NEDOCS is the most commonly used tool to estimate crowding degree. The objectives of this study are assess the usability of the NEDOCS tool and to determine its accuracy to evaluate overcrowding by direct comparison with providers' perception of ED crowding. Methods: A sample of simultaneous subjective (providers' perception) and objective data (NEDOCS) pairs were collected six times a day for a period of nonconsecutive three weeks. In order to assess providers' perception a framework and a sampling form were created. Problems related to the NEDOCS' calculus were solved through an estimation of missing variables and a permanent solution was defined. Comparing NEDOCS to providers' perception were calculated R^2, r e R_adj^2 (to test tool's quality), K statistics and Spearman's Rho (to assess class agreement) and confusion matrixes, sensitivity, specificity, accuracy, precision, false discovery rate (FDR) and missed warning rate (to assess agreement defining overcrowding). Recalibration was made using a randomly extracted sample (70% of total data) and tested (the remaining 30% of data) Results: tests proved NEDOCS is not useful to assess crowding degree and that it needs to be modified. The recalibration led to essential improvements (R^2=0.2106 [0.1115], r=0.46[0.33], R_adj^2=0.171 [0.067], K=0.28[0.067] p-value=0.0005, ρ_s=0.464 [0.304] p-value< 0.0001, sensitivity=73% [15%] , specificity=67% [ 100%], accuracy=67%[51%], precision=67%[100%], FDR=27%[85%], missing warning rate=33%[0%]). The modified NEDOCS was proven significant (p-value=0.0054) and not highly data biased. Conclusions: perception survey framework was proven useful. Missing data estimation let tests possible and the permanent solutions allows to automatically calculate NEDOCS. The recalibration shown as NEDOCS tool might be very useful but copious high quality data are needed.

Obiettivo: il migliore indicatore di crowding, grave problema comune ai pronto soccorso di tutto il mondo, è il NEDOCS. La sua sperimentazione permette di verificarne l'implementabilità e la qualità rispetto alle percezioni di sovraffollamento degli operatori di pronto soccorso e, se necessario, effettuare una ricalibrazione per migliorarne la qualità. Metodologia: sono state effettuate tre campagne di rilevazione delle percezioni degli operatori di pronto soccorso (tre settimane sei volte al giorno) tramite un modulo di rilevazioni creato. Contestualmente è stato calcolato il NEDOCS. Per risolvere i problemi di calcolo riscontrati è stata effettuata una stima di due parametri, determinando inoltre una soluzione definitiva. La qualità del NEDOCS è stata verificata tramite R^2, r e R_adj^2(stima dei valori puntuali), K di Cohen e ρ di Spearman (classi di crowding) matrici di confusione e gli indici di sensibilità, specificità, precisione, accuratezza, probabilità di mancato allarme e di falso allarme (soglia sovraffollamento). La ricalibrazione è stata effettuata su un sottocampione, 70% del totale, e testato sul rimanente 30% con variabile dipendente le percezioni e variabili indipendenti i parametri del NEDOCS originale. Risultati: Il confronto effettuato su 106 coppie di valori di crowding evidenzia che il NEDOCS è inutilizzabile e che è necessaria una modifica. La ricalibrazione ha apportato miglioramenti (R^2=0.2106 [0.1115], r=0.46[0.33], R_adj^2=0.171 [0.067], K=0.28[0.067] con p-value)=0.0005, ρ_s=0.464 [0.304] con p-value< 0.0001, sensibilità=73% [15%] , specificità=67% [ 100%], accuratezza=67%[51%], precisione=67%[100%], prob. mancato allarme=27%[85%] prob falso allarme=33%[0%]). Il modello ricalibrato si è dimostrato significativo (p-value=0.0054) e non fortemente dipendente dai dati. Conclusioni: il framework si è dimostrato uno strumento valido. La stima delle variabili per il NEDOCS ha permesso le analisi e la soluzione definitiva il suo calcolo automatico. Il modello originale si è dimostrato non utilizzabile. La ricalibrazione ha evidenziato come il NEDOCS abbia ottime potenzialità ma che necessita di numerosità e qualità dei dati elevata.