MétaCan
Menu
Retour à la cohorte
Enregistrement W2404450859 · doi:10.2310/7750.2011.11004

Physician Survey Regarding Patient Nonattendance at Follow-up Appointments at a University-Affiliated Medical Dermatology Clinic

2012· article· en· W2404450859 sur OpenAlexaffabout
Eiman Nasseri, Janie Bertrand, Danielle Brassard, Genevieve Fortier‐Riberdy, Isabelle Marcil

Notice bibliographique

RevueJournal of Cutaneous Medicine and Surgery · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Operations and Scheduling Optimization
Établissements canadiensCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineFamily medicineMedical diagnosisDermatology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Patient nonattendance is a frequent occurrence in dermatology clinics, and our responsibility regarding the follow-up of these patients remains nebulous. OBJECTIVE: This study sought to evaluate the beliefs and practices of physicians at a university-affiliated medical dermatology clinic regarding patient nonattendance at follow-up appointments and to provide an algorithm to deal appropriately with absentee patients based on various Canadian medical association guidelines. METHODS: A questionnaire was distributed to the 17 dermatologists practicing at the Centre Hospitalier de l'Université de Montréal medical dermatology clinic. We contacted provincial and national medical associations regarding directives for patient follow-up. RESULTS: There is a lack of consensus among dermatologists at the Centre Hospitalier de l'Université de Montréal regarding responsibility toward patients who miss their follow-up appointments. However, the majority of survey respondents consider that patient follow-up must be adjusted on a case-by-case basis and that diagnoses at risk for high morbidity and mortality require particular attention, which is in line with various Canadian medical association guidelines. CONCLUSION: Dermatologists should have a structured approach to dealing with patients who miss their follow-up appointments to ensure the appropriate care of all patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,652
Score d'incertitude au seuil0,754

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,086
Tête enseignante GPT0,376
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Cutaneous Medicine and SurgeryMême sujetHealthcare Operations and Scheduling OptimizationTravaux en français237 207