Automated patient assessments after outpatient surgery using an interactive voice response system.
Notice bibliographique
Résumé
OBJECTIVE: To test the feasibility and utility of an interactive voice response system (IVRS) for monitoring patients after outpatient surgery. METHODS: We studied consecutive patients undergoing gynecologic day surgery. The IVRS called patients on the first postoperative day and asked them if they were experiencing new problems. Feasibility was assessed in terms of call responses and acceptance by patients. Utility was measured in terms of the ability of the IVRS to identify adverse events (AEs), defined as procedure-related symptoms requiring a physician or hospital visit. We contacted patients 30 days later to elicit their perceptions of the IVRS and determine AE status. RESULTS: Follow-up was complete for 249 of 270 enrolled patients (92%). The IVRS successfully contacted 130 patients (52%). Of the 22 patients (17%) who required a follow-up phone call, 9 had a new problem related to surgery, 7 had new or worsening symptoms, 6 wanted to speak with a nurse, and 1 had a medication-related problem. Patients remembering the automated call (n = 96) reported the system easy to use (82%) and comprehend (86%). Most patients (68%) preferred the IVRS to a personal follow-up call (probability greater than 50%, P <.001). AEs occurred in 40 patients (16%; 95% confidence interval = 12%, 21%). The IVRS did not identify any AEs because 90% of these occurred after the automated call. CONCLUSION: An IVRS-based method of monitoring outpatient surgery patients is feasible. To improve utility, calls must occur later than first postoperative day.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».