DOI: https://doi.org/10.3389/fpubh.2026.1758228
PMID: https://pubmed.ncbi.nlm.nih.gov/41929896
تاريخ النشر: 2026-03-18
المؤلف: Chao Jiang وآخرون
الموضوع الرئيسي: عمليات الرعاية الصحية وتحسين جدولة المواعيد
نظرة عامة
تقدم ورقة البحث تحليلًا استعاديًا لمنصة نقل ذكية للمرضى تم تنفيذها في مستشفى كوتشو، الصين، تهدف إلى تعزيز تنسيق الإرسال وتكامل سير العمل. تم إطلاقها في يونيو 2022، وقد حللت الدراسة 15,543 طلب نقل مكتمل من 31 أغسطس إلى 30 سبتمبر 2024. تشير النتائج الرئيسية إلى أن متوسط أوقات النقل تختلف حسب القسم، حيث أظهرت أقسام العيون وأمراض النساء أقصر الأوقات المتوسطة (34.78 و34.94 دقيقة، على التوالي). ومن الجدير بالذكر أن جراحة اليد والقدم وطب الطوارئ/إصابات العظام كانت لديها أقصر الفترات بين أوقات التسليم المجدولة والفعلية، بمتوسطات قدرها -44.86 و-34.91 دقيقة. لم يُبلغ النظام عن أي أحداث خاطئة في التعرف، وكانت نسبة رضا المستخدمين عالية بنسبة 90%، خاصة فيما يتعلق بجودة الخدمة والوقت.
تؤكد الخاتمة على الكفاءة التشغيلية والسلامة وقبول المستخدمين للمنصة، مشددة على قدرتها على إدارة حجم كبير من الطلبات مع الحفاظ على جودة الخدمة. على الرغم من أن الدراسة تفتقر إلى تحليلات مقارنة رسمية، إلا أنها تقدم رؤى قيمة حول وظيفة النظام ورضا المستخدمين. يجب أن تركز الأبحاث المستقبلية على جمع نتائج سريرية أكثر شمولاً وإجراء دراسات مقارنة لتقييم تأثير المنصة على سير العمل في النقل بالمستشفى ورعاية المرضى بشكل أكبر.
مقدمة
تسلط المقدمة الضوء على أهمية النقل الفعال للمرضى في عمليات المستشفى، مشددة على دوره في ربط الأقسام السريرية المختلفة ومناطق العلاج. تحدد التحديات الرئيسية مثل التأخيرات، وفجوات الاتصال، والاعتماد على عمليات الإرسال اليدوية، التي يمكن أن تعطل سير العمل وتؤثر سلبًا على تجربة المرضى وسلامتهم. مع توسع المستشفيات، تزداد تعقيدات إدارة النقل، مما يفاقمها نقص الموظفين والطلب غير المتوقع. على الرغم من أن بعض المؤسسات قد اعتمدت أنظمة رقمية أو شبه آلية، إلا أن هذه الأنظمة غالبًا ما تفتقر إلى ميزات أساسية مثل تتبع الوقت الحقيقي والتكامل مع السجلات الطبية الإلكترونية (EMR)، مما يعيق مراقبة الأداء الفعالة وتخصيص الموارد.
تقترح الورقة تطوير نظام إدارة نقل ذكي للمرضى يدمج السجلات الطبية الإلكترونية مع تحديد المواقع عبر إنترنت الأشياء 5G، وتعيين المهام تلقائيًا، ولوحة مراقبة في الوقت الحقيقي. يهدف هذا النظام إلى معالجة التحديات التشغيلية الحالية من خلال تعزيز التنسيق والشفافية واتخاذ القرارات المستندة إلى البيانات. تقدم الدراسة تقييمًا استعاديًا لتنفيذ هذا النظام في مستشفى كبير من الدرجة الثالثة، مع التركيز على خصائص عملية النقل، ومؤشرات السلامة، واستخدام القوى العاملة، ومستويات الرضا بين المرضى والموظفين. تشير النتائج إلى أن الاستفادة من التقنيات المتقدمة مثل الذكاء الاصطناعي و5G يمكن أن تحسن بشكل كبير من كفاءة وسلامة نقل المرضى في بيئات المستشفيات.
طرق البحث
في هذه الدراسة، تم إجراء مراجعة وصفية استعادية على طلبات نقل المرضى في مستشفى كوتشو، الصين، من يونيو 2022 إلى سبتمبر 2024. المستشفى، وهو مركز رعاية ثالثي كبير يضم حوالي 1,200 سرير وأكثر من 45,000 قبول سنوي، نفذ منصة نقل ذكية في يونيو 2022 لمعالجة التحديات التشغيلية المرتبطة بنقل المرضى. تضمنت هذه التحديات التنسيق عبر عدة مبانٍ وطوابق، وارتفاع حجم المرضى، ونقص موظفي النقل، والاعتماد على العمليات اليدوية، مما أدى غالبًا إلى التأخيرات وسوء التواصل.
يتكون نظام النقل الذكي من ثلاثة مكونات رئيسية: نظام الإرسال لتقديم طلبات النقل، ونظام الإرسال الذكي الذي يقوم تلقائيًا بتعيين المهام بناءً على قواعد محددة مسبقًا وتوافر العمال في الوقت الحقيقي، ونظام مراقبة البيانات في الوقت الحقيقي لتتبع حالة النقل ومؤشرات الأداء. يتكامل هذا النظام مع نظام السجلات الطبية الإلكترونية (EMR) في المستشفى لالتقاط المعلومات المتعلقة بالنقل في مرحلة إنشاء الطلب. كانت الدراسة تهدف إلى تقييم الجدوى التشغيلية، والتبني، ومقاييس الأداء لهذا النظام؛ ومع ذلك، نظرًا لتصميمها الاستعادي وافتقارها لمجموعة مقارنة، لم تدعم الاستنتاجات السببية أو التقييم الرسمي للفعالية.
النتائج
يقدم قسم “النتائج” في ورقة البحث النتائج الرئيسية المستمدة من التجارب أو التحليلات التي تم إجراؤها. يوضح بشكل منهجي النتائج، مع تسليط الضوء على نقاط البيانات والاتجاهات المهمة التي لوحظت طوال الدراسة. غالبًا ما تكون النتائج مصحوبة بتحليلات إحصائية ذات صلة، والتي قد تشمل قيم p، وفترات الثقة، أو أحجام التأثير، لدعم النتائج.
بالإضافة إلى ذلك، تُستخدم التمثيلات المرئية مثل الرسوم البيانية أو الجداول لتوضيح البيانات بشكل أكثر فعالية، مما يسمح بفهم أوضح للعلاقات والأنماط المحددة. يختتم القسم بمناقشة تداعيات هذه النتائج، موصلًا إياها بالفرضيات الأصلية والسياق الأوسع لمجال البحث. بشكل عام، تسهم النتائج في تقديم رؤى قيمة تعزز المعرفة في المجال المحدد للدراسة.
المناقشة
تقيّم قسم المناقشة في ورقة البحث تنفيذ وأداء نظام نقل رقمي للمرضى مصمم لتعزيز الكفاءة التشغيلية والسلامة في بيئة المستشفى. يستخدم النظام محرك قواعد لتخصيص المهام بناءً على العجلة، ومؤهلات الموظفين، والمسارات المثلى للنقل، مما يسهل تتبع ومراقبة طلبات النقل في الوقت الحقيقي. تفيد الدراسة بتحسينات كبيرة في رضا المرضى، حيث ارتفعت الدرجات من 69.68% في أكتوبر 2022 إلى 90% بحلول سبتمبر 2024، خاصة في جودة الخدمة والوقت. ومن الجدير بالذكر أن النظام أدار بشكل فعال أكثر من 460,000 طلب نقل دون أي حوادث خاطئة في تحديد هوية المرضى، مما يدل على التكامل الناجح مع بروتوكولات السلامة.
تفاوتت أوقات النقل بشكل كبير عبر الأقسام، حيث كانت الفترات أقصر في المناطق الأقل تعقيدًا مثل طب العيون وأمراض النساء، بينما عانت الأقسام الجراحية من أوقات أطول بسبب متطلبات التحقق الإضافية والتحضير. تسلط النتائج الضوء على المزايا التشغيلية للنظام، بما في ذلك إدارة المهام التلقائية وتتبع GPS في الوقت الحقيقي، مما حسن من شفافية وكفاءة سير العمل. ومع ذلك، تعترف الدراسة بالقيود مثل نقص البيانات الكاملة قبل التنفيذ والاعتماد على الإبلاغ اليدوي عن الأحداث السلبية، مما يشير إلى أن الأبحاث المستقبلية يجب أن تركز على جمع بيانات أكثر قوة وإجراء مقارنات مباشرة لتقييم تأثير النظام على سير العمل في نقل المستشفى بشكل أكبر.
DOI: https://doi.org/10.3389/fpubh.2026.1758228
PMID: https://pubmed.ncbi.nlm.nih.gov/41929896
Publication Date: 2026-03-18
Author(s): Chao Jiang et al.
Primary Topic: Healthcare Operations and Scheduling Optimization
Overview
The research paper presents a retrospective analysis of an intelligent inpatient transportation platform implemented at Quzhou Hospital, China, aimed at enhancing dispatch coordination and workflow integration. Launched in June 2022, the study analyzed 15,543 completed transportation requests from August 31 to September 30, 2024. Key findings indicate that mean transport times varied by department, with ophthalmology and gynecology showing the shortest average times (34.78 and 34.94 minutes, respectively). Notably, hand and foot surgery and trauma orthopedics/emergency care had the shortest intervals between scheduled and actual delivery times, with averages of -44.86 and -34.91 minutes. The system reported no misidentification events, and overall user satisfaction was high at 90%, particularly regarding service quality and timeliness.
The conclusion emphasizes the operational efficiency, safety, and user acceptance of the transportation platform, highlighting its ability to manage a significant volume of requests while maintaining service quality. Although the study lacks formal comparative analyses, it provides valuable insights into the system’s functionality and user satisfaction. Future research should focus on gathering more comprehensive clinical outcomes and conducting comparative studies to further evaluate the platform’s impact on hospital transport workflows and patient care.
Introduction
The introduction highlights the significance of efficient inpatient transport in hospital operations, emphasizing its role in connecting various clinical departments and treatment areas. It identifies key challenges such as delays, communication gaps, and reliance on manual dispatch processes, which can disrupt workflows and negatively impact patient experience and safety. As hospitals expand, the complexity of managing transport increases, exacerbated by limited staff and unpredictable demand. Although some institutions have adopted digital or partially automated systems, these often lack essential features like real-time tracking and integration with electronic medical records (EMR), hindering effective performance monitoring and resource allocation.
The paper proposes the development of an intelligent inpatient transportation management system that integrates EMR with 5G IoT positioning, automated task assignment, and a real-time monitoring dashboard. This system aims to address existing operational challenges by enhancing coordination, transparency, and data-driven decision-making. The study presents a retrospective evaluation of this system’s implementation in a large tertiary hospital, focusing on transport process characteristics, safety indicators, workforce utilization, and satisfaction levels among patients and staff. The findings suggest that leveraging advanced technologies like AI and 5G can significantly improve the efficiency and safety of patient transport in hospital settings.
Methods
In this study, a retrospective, descriptive review was conducted on inpatient transportation requests at Quzhou Hospital, China, from June 2022 to September 2024. The hospital, a large tertiary care center with approximately 1,200 beds and over 45,000 annual admissions, implemented an intelligent transportation platform in June 2022 to address operational challenges associated with inpatient transport. These challenges included coordination across multiple buildings and floors, high patient volumes, limited transport staff, and reliance on manual processes, which often led to delays and miscommunication.
The intelligent transportation system comprises three main components: a Dispatching system for submitting transport requests, a Smart Dispatching system that automatically assigns tasks based on predefined rules and real-time worker availability, and a real-time data monitoring system for tracking transport status and performance indicators. This platform integrates with the hospital’s electronic medical record (EMR) system to capture transport-related information at the order generation stage. The study aimed to evaluate the operational feasibility, adoption, and performance metrics of this system; however, due to its retrospective design and lack of a comparator group, it did not support causal inference or formal effectiveness evaluation.
Results
The “Results” section of the research paper presents the key findings derived from the conducted experiments or analyses. It systematically details the outcomes, highlighting significant data points and trends observed throughout the study. The results are often accompanied by relevant statistical analyses, which may include p-values, confidence intervals, or effect sizes, to substantiate the findings.
Additionally, visual representations such as graphs or tables are utilized to illustrate the data more effectively, allowing for a clearer understanding of the relationships and patterns identified. The section concludes with a discussion of the implications of these results, linking them back to the original hypotheses and the broader context of the research field. Overall, the findings contribute valuable insights that advance knowledge in the specific area of study.
Discussion
The discussion section of the research paper evaluates the implementation and performance of a digital inpatient transport system designed to enhance operational efficiency and safety in a hospital setting. The system utilizes a rule engine for task allocation based on urgency, personnel qualifications, and optimized transport paths, facilitating real-time tracking and monitoring of transport requests. The study reports significant improvements in patient satisfaction, with scores rising from 69.68% in October 2022 to 90% by September 2024, particularly in service quality and timeliness. Notably, the system effectively managed over 460,000 transport requests without any incidents of incorrect patient identification, indicating successful integration with safety protocols.
Transport times varied significantly across departments, with shorter durations in less complex areas like ophthalmology and gynecology, while surgical departments experienced longer times due to additional verification and preparation requirements. The findings highlight the operational advantages of the system, including automated task management and real-time GPS tracking, which improved workflow transparency and efficiency. However, the study acknowledges limitations such as incomplete pre-implementation data and reliance on manual reporting for adverse events, suggesting that future research should focus on more robust data collection and direct comparisons to further assess the system’s impact on hospital transport workflows.