The Impact of Project ECHO on Participant and Patient Outcomes: A Systematic Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Project Extension for Community Healthcare Outcomes (ECHO) uses tele-education to bridge knowledge gaps between specialists at academic health centers and primary care providers from remote areas. It has been implemented to address multiple medical conditions. The authors examined evidence of the impact of all Project ECHO programs on participant and patient outcomes. METHOD: The authors searched PubMed, MEDLINE, EMBASE, PsycINFO, and ProQuest from January 2000 to August 2015 and the reference lists of identified reviews. Included studies were limited to those published in English, peer-reviewed articles or indexed abstracts, and those that primarily focused on Project ECHO. Editorials, commentaries, gray literature, and non-peer-reviewed articles were excluded. The authors used Moore's evaluation framework to organize study outcomes for quality assessment. RESULTS: The authors identified 39 studies describing Project ECHO's involvement in addressing 17 medical conditions. Evaluations of Project ECHO programs generally were limited to outcomes from Levels 1 (number of participants) to 4 (providers' competence) of Moore's framework (n = 22 studies, with some containing data from multiple levels). Studies also suggested that Project ECHO changed provider behavior (n = 1), changed patient outcomes (n = 6), and can be cost-effective (n = 2). CONCLUSIONS: Project ECHO is an effective and potentially cost-saving model that increases participant knowledge and patient access to health care in remote locations, but further research examining its efficacy is needed. Identifying and addressing potential barriers to Project ECHO's implementation will support the dissemination of this model as an education and practice improvement initiative.
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.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle