Referrals, Wait Times and Diagnoses at an Urgent Neurology Clinic over 10 Years
Notice bibliographique
Résumé
BACKGROUND: An urgent neurology assessment clinic was created at our institution to improve access to prompt neurological assessment, and has been in operation for over a decade. We assessed its timeliness and impact. METHODS: The clinic database was examined retrospectively for trends in the volume and waiting time to assessments, neurologic diagnoses, and whether neurologic assessment changed patients' diagnoses. Before and after implementation, the frequency of emergency department neurology assessments and hospital admissions for neurological investigation were compared. RESULTS: In the first decade, 25145 referrals were received; 12460 patients were accepted and assessed within an average of 3.8 working days. The most common problems seen included headache and seizure (20.2% each). Overall, 44.6% of assessments resulted in a change to the referring diagnosis; this proportion varied by the type of problem seen (from 10.5% for seizures to 92.5% for psychiatric disturbances). From the pre- to post-opening periods, there were fewer emergency room neurological assessments (35.7% reduction) and fewer hospital admissions for neurological investigation (4.4/week to 2.2/week, 50% reduction). CONCLUSIONS: The urgent neurology clinic model at our institution has provided excellent service, including wait times of a few days, to a catchment of over two million Canadians for over a decade; clinic assessments have affected diagnoses and patient care.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,012 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».