Patterns of Care Among Patients Referred to Rheumatologists in Ontario, Canada
Notice bibliographique
Résumé
OBJECTIVE: Our aim was to characterize referrals to rheumatologists, the early care management of patients with rheumatic diseases, and timeliness of care and treatment. METHODS: We conducted a retrospective observational study involving patients with first-time rheumatology referrals between 2000 and 2013 in the primary care Electronic Medical Record Administrative data Linked Database (EMRALD) in Ontario, Canada. Referrals were characterized in terms of diagnoses, patient demographics, diagnostic tests, treatment initiated by family physicians and rheumatologists, and other specialists seen prior to rheumatology consultation. Timeliness of referrals, rheumatologist consultations, and treatment were determined overall and for each diagnostic category. RESULTS: Among 2,430 patients referred to a rheumatologist, 69% were female, with an average age of 53 years. The principal diagnosis associated with the referral included osteoarthritis (32%), systemic inflammatory rheumatic diseases (31%), regional musculoskeletal conditions (16%), chronic pain conditions (14%), osteoporosis (2%), and other/miscellaneous (5%). Family physicians most frequently prescribed nonsteroidal antiinflammatory drugs/cyclooxygenase 2 inhibitors (38%), and their pre-referral diagnostic testing practice varied considerably. The duration of time from symptom onset to rheumatology consultation varied by diagnoses, with the shortest being for patients with systemic rheumatic diseases; for rheumatoid arthritis (RA), the median time to consultation was 327 days. Most of the delay occurred prior to referral; 36% of RA patients initiated a disease-modifying antirheumatic drug within 6 months of symptom onset. CONCLUSION: Approximately 1 in 3 referrals to rheumatologists were for a systemic inflammatory rheumatic disease. We observed substantial delays to rheumatology consultations and variations in patterns of care that could be amenable to quality improvement interventions.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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; 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 ».