A comparison of referral patterns to a multispecialty eConsultation service between nurse practitioners and family physicians: The case for eConsult
Notice bibliographique
Résumé
PURPOSE: To explore referral patterns of nurse practitioners (NPs) and family physicians (FPs) using an electronic consultation (eConsult) service, and assess their perspectives on the service's value to their patients and themselves. DATA SOURCES: A mixed methods study including a cross-sectional analysis of utilization data drawn from all eConsults completed from April 15, 2011 to September 30, 2014, and a content analysis of NP survey responses completed from January 1 to September 30, 2014. CONCLUSIONS: A total of 4260 eConsults were included in the cross-sectional analysis (3686 from FPs and 574 from NPs). In our sample, NPs directed more cases to dermatology and fewer cases to cardiology and neurology (p < .0001) than did FPs, and were more likely to report that an eConsult led to new advice for a new or additional course of action (62.8% vs. 57.5%) and less likely to report it resulted in an avoided referral (35.5% vs. 41.8%, p = .005). NPs reported slightly higher levels of perceived value of eConsults for their patients and themselves. IMPLICATIONS FOR PRACTICE: Differences in use and impact of eConsult exist between NPs and FPs. NPs value the service highly for their patients and themselves. The service reduces potential inequities related to outdated payment and scope of practice policies.
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 | 0,010 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».