Evaluation of a Telehealth Clinic as a Means to Facilitate Dermatologic Consultation: Pilot Project to Assess the Efficiency and Experience of Teledermatology Used in a Primary Care Network
Notice bibliographique
Résumé
BACKGROUND: Primary care offices spend considerable time coordinating the specialist referral process. Patients experience long wait times for consultation and intervention. OBJECTIVE: To determine if telehealth combined with interdisciplinary team-based care can reduce wait times for dermatologic consultation while making the consultation process easier for physicians. METHODS: Retrospective chart reviews as well as patient, referring physician, nonreferring physician, clinic physician, nurse, and teledermatologist interviews were used to evaluate the clinic. A comparative immersion approach generated themes from field notes. Wait times, appointment times, and encounter durations were measured. RESULTS: Twenty-eight patients were seen (23 had previous specialist referral experience) within 1 week of referral compared to a wait period of 104 days for conventional referral. Patients requiring intervention were treated within 1 week of their initial appointment. Referring practitioners were concerned that they would lose control of patients' care. An easier referral process and faster intakes met physician expectations. CONCLUSIONS: Teledermatology improves the timeliness of appointments. Patients forgo face-to-face appointments if alternatives are available sooner. Physicians are concerned about their own liability if dermatologists do not assess the patient in person but will refer through teledermatology when patients are seen faster and they remain in control of the care process.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».