MétaCan
Menu
Retour à la cohorte
Enregistrement W2041182840 · doi:10.1089/tmj.2007.0048

A Survey of Recipient Client Physician Satisfaction with Teleoncology Services Originating from Thunder Bay Regional Health Sciences Centre

2008· article· en· W2041182840 sur OpenAlexaffabout
Malcolm L. Brigden, Alana Minty, Susan Pilatzke, Lori Della Vidova, Laurie Sherrington, Karen McPhail

Notice bibliographique

RevueTelemedicine Journal and e-Health · 2008
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueHealthcare Systems and Technology
Établissements canadiensThunder Bay Regional Health Sciences CentreThunder Bay Regional Research InstituteUniversity of TorontoUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésCustomer satisfactionFamily medicinePatient satisfactionHealth careThunderService (business)Work (physics)Survey data collectionUser satisfactionMedicineNursingPsychologyBusinessMarketingGeographyEngineeringPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

The objective of this work was to investigate end user satisfaction and perceived efficacy on the part of client physicians for teleoncology services in Northwestern Ontario. A survey of 98 referring physicians from 17 remote communities in Northwestern Ontario was undertaken primarily to determine overall client physician satisfaction with the teleoncology process. The survey also investigated perceived problems and explored potential solutions. Overall client physician satisfaction was high for the majority of response fields. However, more than 50% of surveyed physicians felt that some aspects of the teleoncology process could be improved with an emphasis on more timely communication of interview results, continuity of care, and improving patients comfort level with the technologies involved. The success of this service is evidenced by its exponential growth since the original introduction in 2001. Ninety-eight percent of referring physicians would continue to use the teleoncology service 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 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)0,001
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,899
Score d'incertitude au seuil0,201

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,058
Tête enseignante GPT0,309
Écart entre enseignants0,252 · 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

Citations13
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTelemedicine Journal and e-HealthMême sujetHealthcare Systems and TechnologyTravaux en français237 207