Improving Patient Follow-Up in Developing Regions
Notice bibliographique
Résumé
BACKGROUND: Cleft surgery follow-up in developing regions is challenging. This study evaluated rates, costs, and satisfaction of 2 follow-up programs at the Guwahati Comprehensive Cleft Care Centre (GC4) in Assam, India. METHODS: For this study, 10,582 postoperative visits were analyzed from May 2011 to November 2013. A questionnaire was administered to subsets of follow-up patients at both locations. Costs were calculated. RESULTS: Eighty-five percent of patients had follow-up at GC4, and 15% were seen in the patients' local districts. One hundred ninety-five questionnaires were completed (122 at GC4, 73 in local districts). Patients with local follow-up had fewer accompanying family members (mean, 1.95 vs 0.99; P = 0.00), fewer days off work (mean, 1.84 vs 1.15; P = 0.19), less lost income (Indian rupees 367 vs 143, P = 0.00), and lower direct costs (mean Rs, 911 vs 299; P = 0.00). The financial burden of local follow-up was significantly lower (P = 0.003). No significant differences were seen for convenience, likelihood of attending follow-up, or satisfaction. Follow-ups increased after revising programs from a mean of 139 monthly visits (follow-up to surgery ratio of 0.722) to a mean of 363 visits (ratio of 1.57). The center's mean cost for local follow-up was Rs 303 per patient, whereas the estimated costs would have been Rs 1100 for follow-up at the center. CONCLUSIONS: This study demonstrates potential improvements in costs and outcomes by changing the model of care. Despite significant follow-up challenges, much progress can be achieved through process changes and outreach follow-up programs. The results have important applications across the developing world.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».