MétaCan
Menu
Retour à la cohorte
Enregistrement W1572171625

Waiting time for medical specialist consultations in Canada, 2007.

2010· article· en· W1572171625 sur OpenAlexaffabout
Gisèle Carrière, Claudia Sanmartin

Notice bibliographique

RevuePubMed · 2010
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueHealthcare Systems and Technology
Établissements canadiensStatistics Canada
Organismes subventionnairesnon disponible
Mots-clésReferralMedicineLogistic regressionFamily medicineSpecialist careMultivariate analysisTriagePrimary careMedical emergency
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Waiting for specialist consultations can represent a substantial component of overall waiting time in the continuum of care. However, relatively little is known about the factors associated with how long patients wait for an initial specialist consultation. DATA AND METHODS: The analysis is based on a subsample of 5,515 respondents aged 15 or older to the 2007 Canadian Community Health Survey who had consulted a specialist about a new condition in the previous 12 months and reported a waiting time. Multivariate logistic regression models were used to identify patient- and provider-related factors associated with waiting time. RESULTS: Female patients were less likely than male patients to see a specialist within a month. The nature of the new condition and the source of referral were significantly associated with waiting time. Compared with those referred by a family physician, patients referred by another specialist or a health care provider other than a physician, or who did not require a referral, were more likely to have a shorter waiting time. For men, but not women, household income and immigrant status were associated with waiting time. INTERPRETATION: This analysis suggests that factors beyond medical need are associated with how long patients wait to see a specialist. More research could usefully explore decision-making and communication processes between primary care physicians and specialists to better understand how urgency is assessed, how patients are triaged for specialist consultations, and how these patterns differ among various groups of patients.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,244

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,219
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations89
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetHealthcare Systems and TechnologyTravaux en français237 207