MétaCan
Menu
Retour à la cohorte
Enregistrement W2316623747 · doi:10.12927/hcpol.2016.24536

Impact of Type of Medical Specialist Involvement in Chronic Illness Care on Emergency Department Use

2016· article· en· W2316623747 sur OpenAlexafffundvenue
Jean-Louis Larochelle, Debbie Ehrmann Feldman, Jean‐Frédéric Lévesque

Notice bibliographique

RevueHealthcare policy · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueHealthcare Systems and Technology
Établissements canadiensUniversité de Montréal
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineEmergency departmentPrimary careEmergency medicinePulmonary diseaseType 2 diabetesLogistic regressionDiabetes mellitusFamily medicineInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Medical specialist physicians may act as either consultants or co-managers for patients managed in primary care settings. We assessed whether the type of specialist involvement affected emergency department (ED) use for patients with chronic diseases. METHODS: In total, 709 primary care patients with arthritis, chronic obstructive pulmonary disease, diabetes or congestive heart failure were followed for one year using survey and administrative data. Multivariate logistic regressions were used to compare all-cause ED use according to specialist involvement (none, co-manager or consultant). RESULTS: In total, 240 (34%) patients visited the ED. ED use did not differ between those with specialist involvement and those without it, either as co-managers (adjusted OR = 1.06, 95% CI = [0.61, 1.85]) or consultants (adjusted OR = 0.97, 95% CI = [0.63, 1.50]). DISCUSSION: The type of specialist involvement is not associated with all-cause ED use in primary care patients with chronic diseases. Indications for co-management should be further investigated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,064
Tête enseignante GPT0,384
Écart entre enseignants0,320 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare policyMême sujetHealthcare Systems and TechnologyTravaux en français237 207