Maintaining the continuity of HIV-care records for patients transferring care between centers: challenges, workloads, needs and risks
Notice bibliographique
Résumé
With improved life expectancy, the medical records of HIV-infected patients are likely to be transferred repeatedly between HIV caregivers. The challenges, and risk for introducing medical error from incomplete record transfers are poorly understood. We measured number of requests for record transfer, the workload incurred, and explore, using genotypic antiretroviral resistance testing results (GART), the potential risk of incomplete records. Using retrospective database and chart review, we examined all patients followed at the Southern Alberta Clinic between 1 January 2004 and 1 January 2015, and determined how many patients transferred care into and out our program, the associated requests and the workload for record transfer. Using a complete record of all GART tests, the potential importance of absent historic records in current treatment decisions was analyzed. The annual churn rate was 22 ± 3.4%. We received requests for only 70% of patient records who had left our care. Median time for receipt of incoming medical records was 28 days; average clerical time for processing data was 2 hours/record. Of all GART results, 25% exhibited resistance. Of 111 patients with potentially misleading GART results (i.e., documented historical resistance not visible on more recent GART), 34 (30.6%) had moved in from elsewhere. Rigorous maintenance of the continuity of the HIV record is not universally practiced. Resources, costs and logistic challenges as well as a lack of appreciation of risks clearly shown by GART testing, may be relevant barriers. Addressing such issues is pressing as aging and transfers of care are increasingly common.
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 | 0,000 | 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 ».