What are the cost savings associated with providing access to specialist care through the Champlain BASE eConsult service? A costing evaluation
Notice bibliographique
Résumé
OBJECTIVE: This study estimates the costs and potential savings associated with all eConsult cases completed between 1 April 2014 and 31 March 2015. DESIGN: Costing evaluation from the societal perspective estimating the costs and potential savings associated with all eConsults completed during the study period. SETTING: Champlain health region in Eastern Ontario, Canada. POPULATION: Primary care providers and specialists registered to use the eConsult service. MAIN OUTCOME MEASURES: Costs included (1) delivery costs; (2) specialist remuneration; (3) costs associated with traditional (face-to-face) referrals initiated as a result of eConsult. Potential savings included (1) costs of traditional referrals avoided; (2) indirect patient savings through avoided travel and lost wages/productivity. Net potential societal cost savings were estimated by subtracting total costs from total potential savings. RESULTS: A total of 3487 eConsults were completed during the study period. In 40% of eConsults, a face-to-face specialist visit was originally contemplated but avoided as result of eConsult. In 3% of eConsults, a face-to-face specialist visit was not originally contemplated but was prompted as a result of the eConsult. From the societal perspective, total costs were estimated at $207 787 and total potential savings were $246 516. eConsult led to a net societal saving of $38 729 or $11 per eConsult. CONCLUSIONS: Our findings demonstrate potential cost savings from the societal perspective, as patients avoided the travel costs and lost wages/productivity associated with face-to-face specialist visits. Greater savings are expected once we account for other costs such as avoided tests and visits and potential improved health outcomes associated with shorter wait times. Our findings are valuable for healthcare delivery decision-makers as they seek solutions to improve care in a patient-centred and efficient manner.
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 | 0,008 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».