Electronic consultation systems: worldwide prevalence and their impact on patient care—a systematic review
Notice bibliographique
Résumé
BACKGROUND: Many health organizations are exploring the potential of electronic consultation (eConsult) services to address excessive wait times for specialist care. OBJECTIVE: To understand the effectiveness, population impact and costs associated with implementation of eConsult services. METHODS: We conducted a systematic review using a narrative synthesis approach. We searched Medline and Embase from inception to August 2014 (English/French). Included studies focused on communication between primary care providers and specialist physicians through an asynchronous, directed communication over a secure electronic medium. We assessed study quality with a modified version of the Effective Public Health Practice Project Quality Assessment Tool for Quantitative Studies. We synthesized the results using the Triple Aim framework. RESULTS: A total of 36 studies were included. Most were set in the USA and focused on single-specialty services (most commonly dermatology). Population health outcomes included patient populations, adoption/utilization and provider attitudes. Providers cited timely advice from specialists, good medical care, confirmation of diagnoses and educational benefits. No clinical outcomes were reported. Patient experience of care was generally positive, with quick specialist response times (4.6 hours to 3.9 days), avoided referrals (12-84%) and satisfaction ranging from 78% to 93%. System costs were reported in only seven studies using different outcome measures and settings, limiting comparability. CONCLUSION: Though eConsult systems are highly acceptable for patients and providers and deliver improved access to specialist advice, gaps remain regarding eConsult's impact on population health and system costs. To achieve optimized health system performance, eConsult services must include specialty services as determined by community needs and further explore cost-effectiveness.
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 | 0,014 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,015 | 0,021 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».