Waiting list management practices for home-care occupational therapy in the province of Quebec, Canada
Notice bibliographique
Résumé
Referral prioritisation is commonly used in home-based occupational therapy to minimise the negative impacts of waiting, but this practice is not standardised. This may lead to inequities in access to care, especially for clients considered as low priority, who tend to bear the brunt of lengthy waiting lists. This cross-sectional study aimed to describe waiting list management practices targeting low-priority clients in home-based occupational therapy in the province of Quebec, Canada, and to investigate the association between these practices and the length of the waiting list. A structured telephone interview was conducted in 2012-2013 with the person who manages the occupational therapy waiting list in 55 home care programmes across Quebec. Questions pertained to strategies aimed at servicing low-priority clients, the date of the oldest referral and the number of clients waiting. Results were analysed using descriptive statistics and non-parametric tests. The median wait time for the oldest referral was 18 months (range: 2-108 months). A variety of strategies were used to service low-priority clients. Programmes that used no strategies to service low-priority clients (n = 16) had longer wait times (P < 0.0001) and a greater number of people on the waiting list (P = 0.006) compared with programmes that applied a maximum wait time target (n = 12). In conclusion, diverse strategies exist to allocate services to low-priority clients in home-based occupational therapy programmes. However, in programmes where none of these strategies are used, low-priority clients may be denied access to services indefinitely.
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 | 0,004 | 0,000 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».