Changes to a pediatric sleep disordered breathing clinic improve wait-times and clinic efficiency
Notice bibliographique
Résumé
BACKGROUND: Recognition of the impact of sleep disordered breathing (SDB) on health has increased referrals in pediatric respiratory medicine with a concomitant increase in wait-times. METHODS: To reduce wait-time (primary outcome), we developed a rapid SDB clinic (RSC) to identify, diagnose, and treat patients with few to no comorbidities (uncomplicated) and presumed SDB based on the referral letter. The RSC uses 1) parent-report questionnaires to capture the patients' medical history and 2) sleep testing (e.g., overnight oximetry) completed prior to the initial consultation. RESULTS: The combination of pre-clinic electronic-questionnaires and testing increased patient consult capacity by 100%. Of the 256 patients referred to the RSC over 28 months, 130 patients were seen through the RSC, 17 patients were re-triaged to a standard sleep clinic (SSC) after questionnaire review, 51 patients were completing the RSC process, and 75 patients had their referral cancelled. An electronic-questionnaire RSC (n = 45) reduced wait-times by 34% to 142.8 (SD 57) days compared to a paper-questionnaire RSC (P < 0.001). The electronic RSC was also associated with 77.4 (SD 74.1) days reduction in wait-time (P = 0.04) for SSC patients seen during the same timeframe. RSC patients were 75% less likely to require a follow-up visit (P < 0.001) compared to SSC patients seen during the same timeframe. CONCLUSION: A targeted, streamlined clinic using electronic-questionnaires for uncomplicated patients can improve wait-times for children being referred to pediatric respiratory medicine for evaluation of sleep disordered breathing. Pediatr Pulmonol. 2016;51:1234-1241. © 2016 Wiley Periodicals, Inc.
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 | 0,001 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».