MétaCan
Menu
Retour à la cohorte
Enregistrement W2484274124 · doi:10.1097/acm.0000000000001328

The Impact of Project ECHO on Participant and Patient Outcomes: A Systematic Review

2016· review· en· W2484274124 sur OpenAlexaff
Carrol Zhou, Allison Crawford, Eva Serhal, Paul Kurdyak, Sanjeev Sockalingam

Notice bibliographique

RevueAcademic Medicine · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensPrincess Margaret Cancer CentreUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésPsycINFOMEDLINEMedical educationGrey literatureHealth careCompetence (human resources)Program evaluationMedicinePsychologyFamily medicineSocial psychology

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,056
score de la tête « metaresearch » (Gemma)0,184
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,296

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0560,184
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0090,010
Bibliométrie0,0100,012
Études des sciences et des technologies0,0010,002
Communication savante0,0050,005
Science ouverte0,0030,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,218
Tête enseignante GPT0,529
Écart entre enseignants0,311 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations410
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207