Telehealth Management in Movement Disorder: A Retrospective Study
Notice bibliographique
Résumé
BACKGROUND: Management of chronic diseases such as movement disorders can be challenging. Nurse-administered telephone follow-up programs have demonstrated clinical and cost efficacy in a variety of health care models. However, their efficacy in movement disorders has not been sufficiently addressed. This observational study fills a knowledge gap by reporting the nature of individuals utilizing a nurse-administered telephone service and the reasons for and the outcomes of calls. METHOD: Consecutive calls received by the clinic for a 12-month duration were recorded. A sample of 312 calls from 132 patient charts was analyzed. Variables for analysis and coding schema were determined a-priori and included demographic information as well as information around the reasons for and outcomes of calls. The narratives of documented calls were reviewed retrospectively and responses coded for analysis by a separate researcher. Data was analyzed using descriptive statistical methods. RESULT: Patients made the majority of calls (49%). 27% of calls related to worsening symptoms and another 35% of calls related to medication issues or renewals. The mean call duration was 15.93 minutes. The majority of calls were received mid-way between clinic visits (M = 89.24 days). The nurse resolved 84% of calls independently. The mean number of calls per patient was 2.93. Issues reported by patients were resolved (approximately 90%) without need for follow-up emergency, family, or subspecialty clinic visits. CONCLUSION: The results underscore the complexity of medical issues in a movement disorders population. The current study provides support for a nurse-administered telephone follow-up program in movement disorders.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| 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 ».