Using administrative data to measure the extent to which practitioners work together: "interconnected" care is common in a large cohort of family physicians.
Notice bibliographique
Résumé
BACKGROUND: Health care practitioners in jurisdictions around the world are encouraged to work in groups. The extent to which they actually do so, however, is not often measured. The purpose of this paper is to demonstrate the potential for administrative data to measure how practitioners are interconnected through their care of patients. Our example examined the interconnected care provided by family physicians. METHODS: We defined a physician as being "interconnected" with another physician if these 2 physicians provided at least 1% of their clinic visits over a 2-year period to the same patients. We examined a cohort of 2945 primary care physicians in 309 Family Health Networks and Family Health Groups in Ontario, Canada, in 2005/06. In total, 9.3 million physician visits for 2.1 million patients were studied. For each group practice we calculated the number of interconnected physicians. RESULTS: Physicians had, on average, 2.2 interconnected physician partners (median=1; 25th and 75th percentile: 0, 3). Physicians saw mainly their own listed patients, and 7.9% (median=5.9%; 25th and 75th percentile: 2.4%, 11.6%) of their visits were provided to patients of their interconnected partners. The number of interconnected physicians was higher in group practices that had more physicians, but levelled to 2.5 interconnected physicians in practices with 8 or 9 physicians. INTERPRETATION: Routinely collected administrative data can be used to examine how health care is organized and delivered in groups or networks of practitioners. This study's concept of interconnected care provided by primary care physicians within groups could be expanded to include other practitioners and, indeed, entire health care systems using more complex network analysis methods.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».