The Addition of Internists to a Breast Health Program
Notice bibliographique
Résumé
With the increases in complexity of care for breast health concerns, there is a growing need for efficient and effective clinical evaluation, especially for vulnerable populations at risk for poor outcomes. The Breast Health Center at Boston Medical Center is a multidisciplinary program, with internists providing care alongside breast surgeons, radiologists, and patient navigators. Using a triage system previously shown to have high provider and patient satisfaction, and the ability to provide timely care, patients are assigned to either a breast surgeon or internist. From 2007 to 2009, internists cared for 2,408 women, representing half of all referrals. Women served were diverse in terms of race (33% black, 30% Hispanic, 5% Asian), language (34% require language interpreter), and insurance status (51% had no insurance or public insurance). Most presented with an abnormal screen (breast examination 54% or imaging 4%) while the remainder were seen for symptoms such as pain (26%), non-bloody nipple discharge (4%), or risk assessment (7%). A majority of final diagnoses were made through clinical evaluation alone (n = 1,760, 73%), without the need for additional diagnostic imaging or tissue sampling; 9% (n = 214) received a benign diagnosis with the aid of breast imaging; 19% (n = 463) required tissue sampling. Only 4% went on to see a breast surgeon. Internists diagnosed 15 incident cancers with a median time to diagnosis of 19 days. Patient and provider satisfaction was high. These data suggest that a group of appropriately trained internists can provide quality breast care to a vulnerable population in a multidisciplinary setting. Replication of this model requires the availability of more clinical training programs for non-surgical providers.
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 | 0,001 | 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 | 0,000 | 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 ».