Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Jurnal Pengobatan Darurat Amerika 51 (2022) 163–168

Daftar isi tersedia diSains Langsung

Jurnal Pengobatan Darurat Amerika

beranda jurnal:www.elsevier.com/locate/ajem

Dampak kepadatan unit gawat darurat pada keputusan masuk dan

hasil akhir pasien
HuiyinOuyang, PhDA, Jun Yan WangB, Zhankun Sun, PhDB,⁎, Eddy Lang, MDC,D
AFakultas Bisnis dan Ekonomi, Universitas Hong Kong, Hong Kong
BDepartemen Ilmu Manajemen, Sekolah Tinggi Bisnis, City University of Hong Kong, Hong Kong
CLayanan Kesehatan Alberta, Alberta, Kanada
DDepartemen Kedokteran Darurat, Universitas Calgary, Alberta, Kanada

info artikel abstrak

Sejarah artikel: Tujuan:Tujuan dari penelitian ini adalah untuk mengevaluasi dampak tingkat kepadatan unit gawat darurat (UGD) terhadap
Diterima 20 September 2021 Diterima dalam keputusan dan hasil penerimaan pasien.
bentuk revisi 23 Oktober 2021 Diterima 27 Metode:Sebuah studi retrospektif dilakukan berdasarkan data catatan kesehatan elektronik selama 2 tahun dari rumah sakit
Oktober 2021
perawatan tersier ED di Alberta, Kanada. Dengan menggunakan model regresi Poisson yang dimodifikasi, kami mempelajari
hubungan antara keputusan masuk pasien dan kemungkinan kunjungan ulang selama 7 hari dengan tingkat kepadatan IGD
Kata kunci:
yang diukur dengan: 1) jumlah total pasien yang menunggu dan dalam perawatan (sensus ED),2) jumlah pasien asrama (
Unit gawat darurat memadati
sensus asrama),dan 3) rata-rata beban kerja dokter yang dihitung dari jumlah pasien IGD dibagi jumlah dokter jaga (sensus
Asrama
Keputusan penerimaan
beban kerja dokter).Variabel kontrol meliputi usia, jenis kelamin, wilayah pengobatan, tingkat triase, dan keluhan utama.
Beban kerja dokter Analisis subkelompok dilakukan untuk mengevaluasi efek heterogen di antara pasien dengan tingkat ketajaman yang
Hasil pasien berbeda.
Hasil:Dataset kami mencakup 141.035 catatan kunjungan pasien setelah pembersihan dari Agustus 2013 hingga Juli 2015.
Probabilitas penerimaan pasien berkorelasi positif dengan sensus UGD (risiko relatif [RR] = 1,006, interval kepercayaan 95%
[CI] = 1,005 hingga 1,007) dan beban kerja dokter sensus (RR = 1.029, 95% CI = 1.027 hingga 1.032), namun berkorelasi
terbalik dengan sensus asrama (RR = 0.991, 95% CI = 0.989 hingga 0.993). Kami selanjutnya menemukan bahwa kemungkinan
kunjungan ulang selama 7 hari pada pasien yang dipulangkan berhubungan positif dengan sensus asrama (RR = 1,009, 95%
CI = 1,004 hingga 1,014).
Kesimpulan:Probabilitas penerimaan pasien ditemukan berhubungan langsung dengan sensus UGD dan sensus beban kerja dokter,
namun berbanding terbalik dengan sensus asrama. Dampak sensus asrama dan sensus beban kerja dokter lebih kuat pada pasien
dengan tingkat triase 3–5. Hasil penelitian kami menunjukkan bahwa (i) jumlah dokter yang tidak mencukupi dapat mengakibatkan rawat
inap pasien yang tidak perlu; (ii) terlalu banyak pasien yang dirawat di UGD menyebabkan peningkatan jumlah pasien yang keluar dari
rumah sakit dengan tidak aman, dan akibatnya, peningkatan kemungkinan kunjungan ulang dalam 7 hari.
© 2021 Elsevier Inc. Semua hak dilindungi undang-undang.

1. Perkenalan
Kerumunan di Unit Gawat Darurat (UGD), didefinisikan sebagai situasi di mana
permintaan layanan darurat melebihi kemampuan UGD untuk memberikan
layanan berkualitas dalam waktu yang wajar [1], telah menjadi masalah kesehatan
masyarakat yang dikenal luas [2,3]. Akibatnya, pasien IGD seringkali harus
menunggu lama untuk dirawat, yang berhubungan dengan lama rawat inap (LOS)
yang berkepanjangan, peningkatan angka morbiditas dan mortalitas, serta
penurunan kepuasan pasien [4-6], dll.
⁎Penulis koresponden di: Departemen Ilmu Manajemen, Sekolah Tinggi Bisnis,
Universitas Kota Hong Kong, 7-266, Gedung Akademik Lau Ming Wai, Hong Kong.
Alamat email:oyhy@hku.hk (H.Ouyang),junywang5-c@my.cityu.edu.hk
(J.Wang),zhanksun@cityu.edu.hk (Z.Matahari),eddy.lang@albertahealthservices.ca (E.Lang).
UGD berfungsi sebagai pintu gerbang rumah sakit dan menerima sebagian
besar pasien rawat inap di rumah sakit. Secara umum, keputusan apakah seorang
pasien harus dirawat di UGD di rumah sakit bersifat klinis. Namun, penelitian
terbaru mengaitkan keputusan masuk rumah sakit dengan tingkat kepadatan di
UGD, yang diukur dengan berbagai ukuran [7-11]. Misalnya, keputusan masuk
pasien dengan serangan iskemik transien atau stroke ringan ditemukan
berhubungan positif dengan ED LOS [7]. Hubungan serupa ditemukan pada
pasien yang dipulangkan selama kunjungan mereka kembali ke UGD dalam 7 hari
[8]. Jumlah pasien di ruang tunggu dan beban kerja dokter pada saat penilaian
awal pasien ditemukan berhubungan positif dengan keputusan masuk [9,11].
Peningkatan sensus ED pada triase ditemukan berhubungan dengan lebih banyak
pasien yang diklasifikasikan sebagai pasien dengan ketajaman penglihatan tinggi [
10]. Studi-studi ini berhipotesis bahwa peningkatan kemungkinan masuk rumah
sakit mungkin disebabkan oleh dokter

https://doi.org/10.1016/j.ajem.2021.10.049 0735-6757/© 2021

Elsevier Inc. Semua hak dilindungi undang-undang.
H.Ouyang, J.Wang, Z.Sun dkk. Jurnal Pengobatan Darurat Amerika 51 (2022) 163–168

menerima lebih banyak pasien zona abu-abu, yaitu, pasien yang keputusan disposisinya
ambigu dan memerlukan sumber daya yang signifikan untuk rencana pemulangan yang
aman, karena tekanan dan informasi yang berlebihan yang disebabkan oleh kepadatan
UGD.
Dampak kepadatan terhadap pengambilan keputusan telah diidentifikasi di
rangkaian layanan kesehatan lainnya. Misalnya, sebuah penelitian menemukan
korelasi antara tingkat keluar rumah sakit dan tingkat hunian di unit perawatan
intensif [12]. Studi lain menemukan bahwa jumlah pasien rawat inap yang lebih
tinggi menyebabkan perubahan dalam perilaku pengambil keputusan di UGD
dalam memprioritaskan pasien [13]. Selain itu, penelitian terbaru menemukan
bahwa ketersediaan masa inap observasi juga dapat mempengaruhi keputusan
penerimaan pasien karena insentif administratif atau keuangan [14,15].
Dengan menggunakan kerangka konseptual input-throughput-output, keputusan
penerimaan sangat penting karena terletak pada antarmuka antara throughput dan
output ED [16]. Pekerjaan kami melengkapi penelitian sebelumnya dengan memberikan
bukti lebih lanjut tentang bagaimana tingkat kepadatan UGD berdampak pada
kemungkinan masuk rumah sakit dengan menggunakan data dari rumah sakit tersier
perkotaan di Calgary, Alberta, Kanada. Penelitian kami berbeda dari penelitian yang ada
dalam literatur dalam hal bagaimana tingkat kepadatan UGD diukur. Secara khusus, kami
menguraikan jumlah total pasien di UGD pada waktu tertentu menjadi sensus UGD (yang
menghitung pasien yang menunggu atau dalam perawatan) dan sensus asrama (yang
menghitung pasien yang masuk asrama), untuk mempelajari pengaruhnya terhadap
keputusan masuk di suatu rumah sakit. tingkat yang lebih granular untuk pasien dengan
tingkat ketajaman yang berbeda. Dengan memasukkan beban kerja rata-rata dokter,
Gambar 1.Diagram alur untuk proses pemilihan data.
kami menyelidiki dampak tingkat staf UGD terhadap pengambilan keputusan disposisi
dokter ketika mengendalikan tingkat sensus UGD secara keseluruhan. Kami menemukan
bahwa pasien lebih mungkin untuk dipulangkan ketika terlalu banyak tempat tidur UGD
yang ditempati oleh penghuni asrama, yang berdampak negatif pada kualitas layanan catatan tidak diidentifikasi untuk melindungi privasi pasien dan tenaga
yang diukur dengan probabilitas kunjungan kembali UGD dalam 7 hari. Sejauh medis.
pengetahuan kami, penelitian kami adalah penelitian pertama yang menyelidiki secara Variabel respon biner adalah disposisi pasien (masuk = 1, keluar = 0). Variabel
terpisah dampak sensus UGD, sensus asrama, dan beban kerja dokter. penjelas yang menarik perhatian dalam penelitian kami meliputi usia pasien, jenis
kelamin (pria atau wanita), cara kedatangan (berjalan masuk atau dengan
ambulans), area perawatan (area utama atau jalur cepat), tingkat triase, dan kode
keluhan utama. Untuk menangkap potensi efek nonlinier usia pasien terhadap
2. Metode kemungkinan masuk rumah sakit, kami mengklasifikasikan usia menjadi 5
kelompok (dalam tahun): 0 hingga 18, 18 hingga 40, 40 hingga 55, 55 hingga 70,
2.1. Desain dan pengaturan studi
dan di atas 70, dan termasuk kelompok usia dalam model sebagai variabel
kategori. Kode keluhan utama pasien memiliki 170 kategori. Dalam model
Penelitian ini disetujui oleh dewan peninjau kelembagaan dengan nomor referensi
tersebut, kami menyimpan 50 kategori yang paling sering digunakan dan
REB16–0441. Kami melakukan penelitian retrospektif pada data kunjungan pasien yang
mengklasifikasikan sisanya ke dalam satu kategori “Lainnya”.
dikumpulkan dari rumah sakit perawatan tersier perkotaan di Alberta, Kanada dengan
Tingkat kepadatan ED adalah perhatian utama. Kami mendefinisikan tiga
146.743 catatan kunjungan selama periode waktu 2 tahun dari 1 Agustus 2013 hingga 31
variabel untuk mengukur tingkat kepadatan UGD: sensus UGD, sensus
Juli 2015. Selama masa penelitian, protokol triase yang digunakan adalah Canadian
penghuni asrama, dan sensus beban kerja dokter. Pada saat pengambilan
Triage and Acuity Scale (CTAS), yang mengklasifikasikan pasien ke dalam lima tingkat
keputusan disposisi pasien, sensus IGD adalah jumlah total pasien yang
keparahan dari 1 (paling mendesak) hingga 5 (paling tidak mendesak). ED dibagi menjadi
menunggu untuk diperiksa dan pasien yang sedang dalam proses
area ED utama dan jalur cepat. Area utama menerima pasien darurat dan jalur cepat
pengobatan, sensus asrama adalah jumlah pasien yang menginap, dan
menerima pasien tidak darurat. Pada saat penelitian dilakukan, UGD utama memiliki 50
sensus beban kerja dokter dihitung dengan jumlah total pasien dalam UGD
tempat tidur dan beroperasi 24 jam per hari dan 7 hari per minggu, dan area jalur cepat
dibagi jumlah dokter yang bertugas.Tabel 1menunjukkan ringkasan statistik
memiliki 8 tempat tidur dan buka 14 jam per hari mulai pukul 10.00 hingga tengah
semua variabel kecuali kode keluhan utama, yang disajikan pada Tabel S1
malam.
dalam materi tambahan.

2.2. Analisis data 2.3. Pemodelan statistik

Setiap observasi dalam data kami berisi informasi triase pasien, waktu triase,
waktu penilaian awal (waktu saat pasien pertama kali diperiksa oleh dokter),
waktu permintaan tempat tidur untuk pasien masuk (waktu mulai naik ke
pesawat), waktu kontak terakhir (waktu di mana pasien meninggalkan UGD), dan
disposisi. Kami menghapus 600 observasi pertama untuk menghindari perkiraan
yang disensor.
Pasien yang disposisinya tidak “diterima” atau “dipulangkan” (termasuk
“ditinggalkan tanpa terlihat”, “ditinggalkan tanpa nasihat medis”, “dipindahkan”,
dll.) dikeluarkan. Selain itu, pengamatan dengan entri yang tidak lengkap atau
salah, seperti usia negatif atau waktu tunggu negatif, tidak disertakan. Observasi
pasca pembersihan sebanyak 141.035 orang, diantaranya pasien rawat inap
sebanyak 32.477 orang dan pasien keluar sebanyak 108.558 orang.Gambar 1
memberikan ilustrasi rinci tentang proses pembersihan data. Semua kunjungan
Sebelum pemasangan model, kami menerapkan pemilihan variabel maju
berbasis AIC, dan hasilnya menunjukkan bahwa semua variabel kontrol yang
dibahas di atas harus dimasukkan dalam model akhir. Faktor inflasi varian
umum (GVIFs) untuk semua variabel kontrol dihitung dan tidak ditemukan
multikolinearitas signifikan [17]. Hasil analisa secara detail dapat dilihat pada
Tabel S2 dan S3 pada materi suplemen.
Untuk mempelajari dampak sensus UGD, sensus asrama, dan beban kerja
dokter terhadap kemungkinan penerimaan pasien, kami memasang model regresi
Poisson multivariabel yang dimodifikasi menggunakan semua data catatan
kunjungan pasien dengan R (versi 3.6) [18]. Kami memilih model Poisson yang
dimodifikasi dibandingkan model regresi logistik populer karena rasio odds yang
dilaporkan oleh model regresi logistik sering disalahartikan sebagai risiko relatif,
yang mengarah pada potensi yang berlebihan [19,20]. Sebaliknya, dimodifikasi

164
H.Ouyang, J.Wang, Z.Sun dkk. Jurnal Pengobatan Darurat Amerika 51 (2022) 163–168

Tabel 1
Karakteristik sampel penelitian dikelompokkan berdasarkan tingkat triage (CTAS). Sensus UGD, sensus asrama, dan sensus beban kerja dokter diukur pada saat
keputusan penerimaan.

Variabel Semua pasien CTA 1 & 2 CTA 3 CTA 4&5

Pengamatan 141.035 53.233 54.910 32.892

Sensus ED
Berarti (SD) 44.52 (12.10) 44.14 (12.38) 44.71 (12.03) 44,84 (11,76)
Median & Rentang 45 & (1, 84) 45 & (2, 82) 46 & (1, 84) 46 & (5, 81)

Sensus Penduduk Asrama

Berarti (SD) 8,99 (4,51) 9.07 (4.54) 9.07 (4.51) 8.73 (4.45)
Median & Rentang 8 & (0, 34) 8 & (0, 34) 8 & (0, 33) 8 & (0, 33)

Sensus Beban Kerja Dokter

Berarti (SD) 11.64 (3.70) 12.04 (3.92) 11.61 (3.64) 11.04 (3.35)
Median & Rentang 10,8 & (0,3, 34,5) 11.0 & (0.3, 34.5) 10,8 & (0,4, 34,5) 10.33 & (3.5, 34.5)

Kelompok umur (%)

0–18 tahun 1,66% 1,53% 1,51% 2,13%
18–40 tahun 38,15% 32,65% 38,66% 46,21%
40–55 tahun 21,56% 22,26% 20,93% 21,48%
55–70 tahun 19,32% 21,99% 18,60% 16,18%
Lebih dari 70 tahun 19,31% 21,57% 20,30% 14,00%
Disposisi (Akui%) 23,03% 35,79% 19,88% 7,63%
Jenis kelamin perempuan %) 51,79% 48,40% 54,85% 52,17%

Modus Kedatangan (%)

Ambulans 28,96% 41,46% 26,02% 13,62%
Berjalan di 71,04% 58,54% 73,98% 86,38%
Area Perawatan (Utama) 82,34% 93,71% 82,42% 63,79%

Catatan.CTAS = Skala Triase dan Ketajaman Kanada; UGD = unit gawat darurat; SD = simpangan baku.

Model Poisson dapat memperkirakan risiko relatif secara langsung. Kami kemudian adalah 1,029 (95% CI = 1,027 hingga 1,032), dan peningkatan RR per pasien pada
menggunakan model regresi Poisson yang dimodifikasi dengan probabilitas kunjungan ulang 7 sensus asrama adalah 0,991 (95% CI = 0,989 hingga 0,993). Jika hasilnya
hari sebagai variabel respons untuk mempelajari dampak kepadatan IGD terhadap hasil akhir dimasukkan ke dalam konteks praktis, kemungkinan seorang pasien untuk
pasien. Untuk mempelajari lebih lanjut heterogenitas di antara pasien dengan tingkat ketajaman dirawat adalah 0,6% dan 2,9% lebih besar ketika sensus UGD dan sensus beban
yang berbeda, kami melakukan analisis subkelompok dengan mengklasifikasikan pasien menjadi kerja dokter masing-masing meningkat satu; pasien memiliki kemungkinan 0,9%
tiga kelompok: kelompok dengan ketajaman tinggi (CTAS 1 & 2), kelompok dengan ketajaman lebih kecil untuk dirawat ketika ada satu pasien lagi yang dirawat di UGD, sambil
sedang (CTAS 3), dan kelompok dengan ketajaman rendah. (CTAS 4&5). mengontrol variabel lain.
Hasil probabilitas kunjungan ulang 7 hari disajikan pada kolom keduaMeja 2.
3. Hasil Sensus UGD tidak berhubungan secara signifikan dengan kunjungan ulang
selama 7 hari (RR = 0,999, 95% CI = 0,997 hingga 1,001). RR untuk sensus penghuni
Hasil regresi pada seluruh catatan kunjungan pasien menunjukkan bahwa asrama adalah 1,009 (95% CI = 1,004 hingga 1,014), menunjukkan bahwa sensus
ketiga sensus tingkat kepadatan IGD berhubungan secara signifikan dengan penghuni asrama berhubungan positif dengan kemungkinan kunjungan kembali
kemungkinan masuknya pasien (lihat kolom pertama diMeja 2). Secara khusus, dalam 7 hari. RR untuk sensus beban kerja dokter adalah 0,987 (95% CI = 0,981
peningkatan risiko relatif (RR) untuk rawat inap per pasien dalam sensus UGD hingga 0,994), menunjukkan bahwa sensus beban kerja dokter berhubungan
adalah 1,006 (95% CI = 1,005 hingga 1,007), RR untuk sensus beban kerja dokter terbalik dengan kemungkinan kunjungan ulang dalam 7 hari.
Hasil dari analisis subgrup (Tabel 3) menunjukkan bahwa dampak dari ketiga sensus
UGD signifikan untuk masing-masing subkelompok, yang menunjukkan kemungkinan
Meja 2
masuknya pasien dengan tingkat ketajaman yang berbeda semuanya dipengaruhi oleh
RR untuk probabilitas penerimaan dan probabilitas kunjungan ulang 7 hari dengan
interval kepercayaan 95%. RR untuk kode pengaduan utama disediakan pada Tabel S4 di sensus crowding UGD. Namun, kami juga mengamati bahwa efek sensus beban kerja
materi tambahan demi ruang. dokter dan sensus asrama lebih kuat pada pasien dengan tingkat ketajaman menengah
ke bawah dibandingkan dengan tingkat ketajaman tinggi: RR per peningkatan pasien
Variabel RR untuk masuk RR untuk probabilitas
sensus beban kerja dokter lebih besar pada pasien menengah (RR= 1,038, 95% CI = 1,034
kemungkinan kunjungan ulang 7 hari
hingga 1,042) dan kelompok ketajaman rendah (RR = 1,053, 95% CI = 1,043 hingga 1,063)
Mencegat 0,045 (0,041,0,048) 0,079 (0,067,0,092)
dibandingkan kelompok ketajaman tinggi (RR = 1,022, 95% CI = 1,019 hingga 1,024), dan
Sensus ED 1.006 (1.005,1.007) 0,999 (0,997,1,001)
Sensus Asrama Sensus 1.029 (1.027,1.032) 0,987 (0,981,0,994) RR per peningkatan pasien sensus asrama lebih rendah pada kelompok menengah (RR =
Beban Kerja Dokter 0,991 (0,989,0,993) 1.009 (1.004,1.014) 0,987, 95% CI = 0,983 hingga 0,990) dan kelompok ketajaman rendah (RR=0,976, 95% CI
Kelompok Usia (Dasar = 18–40 tahun) =0,968 hingga 0,985) dibandingkan kelompok ketajaman tinggi (RR = 0,995, 95 % CI =
0–18 tahun 1.172 (1.071,1.283) 0,531 (0,422,0,669)
0,993 hingga 0,998).
40–55 tahun 1.429 (1.385,1.473) 0,975 (0,923,1.029)
55–70 tahun 1.923 (1.869,1.979) 0,934 (0,879,0,992) Kami menyelidiki lebih lanjut efek heterogen dari berbagai ukuran kepadatan
Lebih dari 70 tahun 2.301 (2.237,2.367) 0,944 (0,880,1,013) DE pada kemungkinan masuk pasien dengan tingkat ketajaman yang berbeda.
Jenis Kelamin (Basis = Wanita) 1.172 (1.152,1.192) 1.057 (1.012,1.103) Sebagai ilustrasi, kami mempertimbangkan pasien tipikal: seorang wanita yang
Tingkat Triase (Basis = CTAS 1&2)
datang ke rumah sakit dengan keluhan utama nyeri perut, berusia antara 18 dan
CTA 3 0,650 (0,636,0,663) 1.029 (0.969,1.093)
40 tahun, dan dirawat di area utama. Probabilitas masuk pasien ini diprediksi dan
CTA 4&5 0,354 (0,340,0,368) 1.277 (1.198,1.361)
Mode Kedatangan (Pangkalan = Walk-in) Area 1.758 (1.722,1.795) 0,879 (0,821,0,942) diilustrasikan dalamGambar 2(a) – (d) untuk tingkat ketajaman yang berbeda
Perawatan (Basis = Jalur Cepat) 2.650 (2.500,2.810) 1.079 (1.014,1.149) ketika kami memvariasikan masing-masing sensus UGD, sensus asrama, sensus

Catatan.CTAS = Skala Triase dan Ketajaman Kanada; UGD = unit gawat darurat; RR = beban kerja dokter, dan tingkat staf UGD, dengan semua variabel lain ditetapkan
risiko relatif. pada median yang sesuai.

165
H.Ouyang, J.Wang, Z.Sun dkk. Jurnal Pengobatan Darurat Amerika 51 (2022) 163–168

Tabel 3
RR untuk probabilitas penerimaan dengan interval kepercayaan 95% untuk analisis subkelompok berdasarkan tingkat ketajaman. RR untuk kode pengaduan utama
disediakan pada Tabel S5 di materi tambahan demi ruang.

Variabel CTA 1 & 2 CTA 3 CTA 4&5

Mencegat 0,040 (0,035,0,046) 0,032 (0,028,0,036) 0,013 (0,010,0,017)

Sensus ED 1.006 (1.005,1.006) 1.006 (1.005,1.007) 1.007 (1.004,1.010)
Sensus Asrama Sensus 1.022 (1.019,1.024) 1.038 (1.034,1.042) 1.053 (1.043,1.063)
Beban Kerja Dokter 0,995 (0,993,0,998) 0,987 (0,983,0,990) 0,976 (0,968,0,985)
Kelompok Usia (Dasar = 18–40 tahun)
0–18 tahun 1.245 (1.119,1.386) 1.047 (0.872,1.256) 0,969 (0,668,1,404)
40–55 tahun 1.345 (1.295,1.397) 1.497 (1.415,1.584) 1.522 (1.339,1.729)
55–70 tahun 1.747 (1.687,1.809) 2.036 (1.932,2.146) 2.392 (2.125,2.692)
Lebih dari 70 tahun 1.963 (1.896,2.033) 2.511 (2.387,2.642) 3.585 (3.201,4.016)
Jenis Kelamin (Pangkalan = Wanita) Mode 1.173 (1.149,1.198) 1.181 (1.144,1.218) 1.142 (1.064,1.227)
Kedatangan (Basis = Walk-in) Area Perawatan 1.574 (1.535,1.615) 1.822 (1.758,1.888) 2.658 (2.440,2.894)
(Basis = Jalur Cepat) 3.317 (2.955,3.723) 2.197 (2.026,2.383) 2.305 (2.027,2.621)

Catatan.CTAS = Skala Triase dan Ketajaman Kanada; UGD = unit gawat darurat; RR = risiko relatif.

Gambar 2.Prediksi probabilitas masuk versus sensus UGD (a), sensus asrama (b), sensus beban kerja dokter (c), dan tingkat kepegawaian UGD (d), dengan interval kepercayaan 95% dalam analisis
subkelompok, untuk pasien wanita dengan keluhan utama sakit perut, berusia antara 18 dan 40 tahun, dirawat di area utama.

166
H.Ouyang, J.Wang, Z.Sun dkk.
DariGambar 2(a), kami mengamati bahwa sensus UGD mempunyai dampak yang lebih kuat
pada pasien dengan tingkat ketajaman yang tinggi. Secara khusus, ketika sensus UGD meningkat
dari 10 menjadi 80 pasien, kemungkinan pasien dengan ketajaman tinggi dirawat meningkat
sekitar 7,70%, sedangkan peningkatan untuk pasien dengan ketajaman sedang dan rendah
masing-masing adalah 4,90% dan 2,82%. Sebaliknya, kita bisa melihat dariGambar 2(b) bahwa
sensus penduduk di asrama memiliki dampak yang lebih kuat pada pasien dengan tingkat
ketajaman penglihatan menengah ke bawah. Ketika sensus asrama meningkat dari 5 menjadi 30
pasien, penurunan probabilitas rawat inap untuk pasien dengan ketajaman tinggi, sedang, dan
rendah masing-masing adalah 2,15%, 3,47%, dan 2,63%.Gambar 2(c) dan (d) menunjukkan bahwa
beban kerja dokter yang lebih tinggi (atau tingkat staf dokter yang lebih rendah) menyebabkan
kemungkinan masuk yang lebih tinggi.
4. Diskusi
Studi yang ada dalam literatur telah menemukan bahwa tingkat kepadatan di
UGD mempengaruhi keputusan penerimaan pasien.7-11]. Namun, dengan
menguraikan jumlah total pasien menjadi pasien dalam masa tunggu/perawatan
dan pasien di asrama, kami dapat membedakan dampaknya terhadap keputusan
masuk rumah sakit dan hasil akhir pasien. Selain itu, memasukkan sensus beban
kerja dokter ke dalam model memungkinkan kami untuk mengeksplorasi
hubungan antara tingkat staf UGD dan keputusan penerimaan pasien.
Kami menemukan bahwa seorang pasien lebih mungkin untuk dirawat jika terdapat lebih
banyak pasien di UGD yang menunggu atau menjalani perawatan, atau jika rata-rata beban kerja
dokter lebih tinggi. Ketika semakin banyak pasien yang menunggu atau menjalani perawatan di
UGD, atau jumlah rata-rata pasien yang ditugaskan pada setiap dokter meningkat, dokter
mungkin kelebihan informasi dan cenderung menyederhanakan pengambilan keputusan
disposisi dengan memilih “penerimaan aman,” yaitu, penerimaan pasien lebih banyak pasien
“zona abu-abu” karena pemulangan pasien tersebut dengan aman memerlukan penilaian lebih
lanjut, yang memerlukan waktu dan sumber daya. Ketika tingkat sensus UGD dikendalikan,
beban kerja dokter yang tinggi berarti jumlah staf yang tidak mencukupi. Oleh karena itu, kami
menyimpulkan bahwa jumlah dokter yang tidak mencukupi dapat menyebabkan rawat inap yang
tidak diperlukan.
Di sisi lain, kecil kemungkinan seorang pasien untuk dirawat di rumah sakit jika terdapat
banyak pasien yang menunggu di tempat tidur UGD untuk dipindahkan ke unit rawat inap (yaitu,
asrama). Seiring bertambahnya jumlah pasien di ruang gawat darurat, dokter cenderung
memulangkan lebih banyak pasien, karena pasien di ruang gawat darurat menempati tempat
tidur UGD untuk jangka waktu yang lama, sehingga menimbulkan blok tempat tidur dan
memperlambat aliran pasien di ruang gawat darurat. Namun, pasien mungkin dipulangkan
secara tidak tepat, yang dapat berdampak buruk pada hasil akhir pasien. Kami kemudian
mempelajari hubungan antara kemungkinan kunjungan ulang selama 7 hari pada pasien yang
dipulangkan dan sensus asrama. RR per pasien meningkat pada sensus penghuni asrama
sebesar 1,009 (95% CI = 1,004 hingga 1,014), menunjukkan bahwa pasien yang sudah pulang
lebih besar kemungkinannya untuk melakukan kunjungan ulang dalam waktu 7 hari ketika
jumlah penghuni asrama pada saat pulang lebih banyak. Oleh karena itu, kami menyimpulkan
bahwa tingginya jumlah penghuni asrama dapat menyebabkan keputusan pemberhentian yang
tidak tepat.
4.1. Keterbatasan
Ada beberapa keterbatasan dalam penelitian ini. Penelitian kami didasarkan pada
data dari satu rumah sakit UGD di Calgary Zone, Alberta, Kanada. Oleh karena itu,
temuan ini mungkin tidak berlaku untuk rumah sakit dengan ukuran berbeda atau di
negara/wilayah lain. Namun, seperti yang ditunjukkan di situs Institut Informasi
Kesehatan Kanada (CIHI) bahwa semua UGD Kanada mengalami keterlambatan dalam
penilaian dokter dan perpanjangan LOS pada pasien rawat inap [21]. Oleh karena itu,
kami yakin bahwa masalahnya sama besarnya dengan UGD lainnya. Dokter kami yang
bekerja sama bekerja di beberapa UGD di Calgary Zone, dan pengalamannya juga
menegaskan wawasan ini. Meskipun demikian, akan sangat membantu jika dilakukan
analisis lebih lanjut dengan menggunakan data dari rumah sakit lain.
Kami terutama menggunakan jumlah pasien untuk mengukur tingkat kepadatan
UGD. Pengukuran lain, seperti lama rawat inap pasien, waktu tunggu dari triase hingga
penilaian awal oleh dokter, dan waktu dari permintaan tempat tidur hingga penugasan
tempat tidur harus dikaji [22]. Dokter mungkin menunjukkan perilaku heterogen dalam
pengambilan keputusan disposisi mereka. Oleh karena itu, penting untuk mengontrol
karakteristik dokter dalam model. Kami
167
Jurnal Pengobatan Darurat Amerika 51 (2022) 163–168
menggunakan probabilitas kunjungan ulang 7 hari sebagai ukuran hasil pasien. Ukuran lain
mengenai kualitas layanan, seperti kemungkinan kunjungan kembali selama 48 atau 72 jam,
dapat dieksplorasi lebih lanjut.
Baru-baru ini, wawancara dengan dokter gawat darurat di Amerika Serikat dan
Inggris menemukan bahwa ketersediaan rawat inap observasional berdampak pada
kemungkinan masuknya pasien, kemungkinan karena pertimbangan administratif dan
keuangan [14,15]. Unit Observasional (atau Unit Keputusan Klinis) ada di beberapa
rumah sakit Kanada [23]. Namun, kami percaya bahwa keputusan penerimaan pasien
tidak terpengaruh di rumah sakit Kanada karena pemerintah adalah satu-satunya
pembayar biaya perawatan kesehatan dan tidak ada yang mendapatkan keuntungan
finansial dari penerimaan tambahan. Namun akan menarik untuk menyelidiki dampak
dari observasi tetap dengan menggunakan data untuk memberikan bukti langsung.
5. Kesimpulan
Dalam penelitian ini, kami menemukan bahwa kemungkinan penerimaan pasien
berhubungan positif dengan rata-rata beban kerja dokter, menunjukkan bahwa tingkat
staf yang tidak mencukupi dapat menyebabkan penerimaan pasien yang tidak perlu.
Kami juga menemukan bahwa jumlah pasien yang dirawat di rumah sakit berbanding
terbalik dengan kemungkinan masuknya pasien dan berhubungan positif dengan
kemungkinan kunjungan ulang dalam 7 hari, menunjukkan bahwa terlalu banyak pasien
yang dirawat di ruang gawat darurat dapat menyebabkan pasien dipulangkan secara
tidak tepat. Penelitian kami memberikan bukti lebih lanjut bahwa crowding di UGD
mungkin berdampak pada keputusan disposisi oleh dokter dan juga pada hasil akhir
pasien.
Sumber pendanaan
Laporan HO dan ZS dana hibah dari Dewan Hibah Penelitian Hong
Kong [Hibah CRF C7162-20GF, ECS 27501020, dan GRF 11508921].
Presentasi sebelumnya
Tidak ada.
Kontribusi penulis
Dr. Junyan Wang melakukan analisis data dan menyusun naskah
awal. Dr Sun mengonsep penelitian, memperoleh pendanaan,
mengawasi kurasi data, analisis formal serta persiapan naskah. Dr.
Lang membuat konsep penelitian, mengawasi kurasi data, dan
meninjau serta merevisi draf asli. Semua penulis membantu mengedit
dan menyetujui versi final naskah.
Deklarasi Kepentingan Bersaing
HO, JW, ZS, dan EL melaporkan tidak ada konflik kepentingan.
Ucapan Terima Kasih
Tidak ada.
Lampiran A. Data tambahan
Data tambahan untuk artikel ini dapat ditemukan online dihttps://doi.
org/10.1016/j.ajem.2021.10.049.
Referensi
[1]Selain itu, PDP Akses terhadap perawatan akut di unit gawat darurat yang terlalu
padat. Bisakah J Muncul Med. 2003;5(2):81–6.
[2]Di Somma S, Paladino L, Vaughan L, Lalle I, Magrini L, Magnanti M. Kepadatan di unit
gawat darurat: masalah internasional. Magang Med Med. 2015;10(2): 171–5.
H.Ouyang, J.Wang, Z.Sun dkk.
[3]Rowe BH, McRae A, Rosychuk RJ. Tren temporal dalam volume unit gawat darurat dan
metrik kepadatan di provinsi Kanada bagian barat: studi data administratif berbasis
populasi. Res Pelayanan Kesehatan BMC. 2020;20:1–10.
[4]McCarthy ML, Zeger SL, Ding R, Levin SR, Desmond JS, Lee J, dkk. Kerumunan menunda pengobatan
dan memperpanjang masa rawat inap di unit gawat darurat, bahkan pada pasien dengan tingkat
ketajaman yang tinggi. Ann Emerg Med. 2009;54(4):492–503.
[5]Richardson DB. Peningkatan angka kematian pasien pada 10 hari berhubungan dengan
kepadatan unit gawat darurat. Med J Australia. 2006;184(5):213–6.
[6]Johnson KD, Winkelman C. Pengaruh kepadatan unit gawat darurat pada hasil pasien:
tinjauan literatur. Adv Emerg Nurs J. 2011;33(1):39–54.
[7]Ben-Yakov M, Kapral MK, Fang J, Li S, Vermeulen MJ, Schull MJ. Hubungan antara
kepadatan unit gawat darurat dan disposisi pasien dengan serangan iskemik
transien atau stroke ringan. Acad Muncul Med. 2015;22(10):1145–54.
[8]Guttmann A, Schull MJ, Vermeulen MJ, Stukel TA. Hubungan antara waktu tunggu dan
kematian jangka pendek dan masuk rumah sakit setelah keluar dari unit gawat
darurat: studi kohort berbasis populasi dari Ontario. Boleh Br Med J. 2011;342.
[9]Gorski JK, Batt RJ, Otles E, Shah MN, Hamedani AG, Patterson BW. Dampak sensus
gawat darurat terhadap keputusan untuk masuk. Acad Muncul Med. 2017; 24(1):13–
21.
[10]Chen W, Linthicum B, Argon NT, Bohrmann T, Lopiano K, Mehrotra A, dkk. Efek dari
kepadatan unit gawat darurat pada triase dan keputusan masuk rumah sakit.
Apakah J Muncul Med. 2020;38(4):774–9.
[11]Jung HM, Kim MJ, Kim JH, Park YS, Chung HS, Chung SP, dkk. Pengaruh kepadatan di
unit gawat darurat pada tingkat penerimaan menurut tingkat triase darurat. Tolong
Satu. 2021;16(2):e0247042.
[12]KC, D. S, Terwiesch C. Analisis ekonometrik arus pasien di unit perawatan intensif jantung.
Manajer Operasi Pelayanan Manuf. 2012;14(1):50–65.
168
Jurnal Pengobatan Darurat Amerika 51 (2022) 163–168
[13]Li W, Sun Z, Hong LJ. Siapa selanjutnya: prioritas pasien dalam pemblokiran unit
gawat darurat. Operasi Res. 2021.
[14]Martin GP, Wright B, Ahmed A, Banerjee J, Mason S, Roland D. Penggunaan atau penyalahgunaan?
Sebuah studi kualitatif tentang pandangan dokter darurat tentang penggunaan observasi rawat inap
di tiga rumah sakit di Amerika Serikat dan Inggris. Ann Emerg Med. 2017;69(3):284–92.
[15]Wright B, Martin GP, Ahmed A, Banerjee J, Mason S, Roland D. Bagaimana ketersediaan
status observasi mempengaruhi pengambilan keputusan dokter darurat. Ann Emerg Med.
2018;72(4):401–9.
[16]Asplin BR, Magid DJ, Rhodes KV, Solberg LI, Lurie N, Camargo Jr CA. Sebuah model
konseptual dari kepadatan unit gawat darurat. Ann Emerg Med. 2003;42(2):173–80.
[17]Fox J, Monette G. Diagnostik kolinearitas umum. J Am Asosiasi Stat. 1992;87
(417):178–83.
[18] Tim Inti. R: Bahasa dan lingkungan untuk komputasi statistik. R Foundation untuk
komputasi statistik: Wina, Austria; 2020https://www.R-project.org/.
[19]Yelland LN, Salter AB, Ryan P. Kinerja pendekatan regresi Poisson yang dimodifikasi untuk
memperkirakan risiko relatif dari data prospektif yang dikelompokkan. Apakah J Epidemiol.
2011;174(8):984–92.
[20]Zou G. Pendekatan regresi Poisson yang dimodifikasi untuk studi prospektif dengan data
biner. Apakah J Epidemiol. 2014;159(7):702–6.
[21] Institut Informasi Kesehatan Kanada. Akses data dan laporan. Tersedia di https://
www.cihi.ca/en/access-data-and-reports. Tanggal Diakses: 20 Oktober 2021.
[22]Sun BC, Hsia RY, Weiss RE, Zingmond D, Liang LJ, Han W, dkk. Pengaruh kepadatan
unit gawat darurat pada hasil pasien yang dirawat. Ann Emerg Med. 2013;61
(6):605–11.
[23]Yergens D, Fradgley E, Aiyar R, Lang E, Rowe BH, Ghali WA. Pemindaian lingkungan pada unit
penilaian medis di Kanada. Kuartal Layanan Kesehatan (Toronto, Ontario). 2014;17 (4):28–
33.