Evaluation of a novel strategy of triage in the haematology ambulatory care setting
Notice bibliographique
Résumé
BACKGROUND: In 2010, wait-times for new patients referred to see a haematologist at our outpatient tertiary care centre clinic exceeded 6 months. The provision of written recommendations for a subset of referred patients was undertaken to reduce patient wait-times. These recommendation letters outlined possible causes of the abnormality for which the patient was being referred and suggested a course of action for follow-up, and patients were then managed by their referring practitioner. We sought to characterize the cohort of patients for whom written recommendations were written and assess whether written recommendations were a satisfactory alternative for the referring practitioner. METHODS: All haematology patient referrals managed with written recommendations in 2010 were included in the study and were assessed one year later. Referring practitioners who received written recommendations were sent a short survey to evaluate their satisfaction with this process. RESULTS: A total of 444 of 2400 referrals were managed with a letter. At 1-year follow-up, 58 (13%, 95% CI) of the abnormalities which prompted the referral had resolved and 201 (45%, 95%CI) had remained stable. There was a single haematology-related death during the 1-year follow-up and the haematological abnormality worsened in 4 (1%) patients. Of 203 (71%) referring practitioners who responded to the satisfaction survey, 90% (95% CI) indicated that they would be satisfied with written recommendations in the future. INTERPRETATION: The provision of written recommendations appears to be a safe and satisfactory alternative to an inperson outpatient assessment in certain well-defined subsets of stable outpatients with haematologic abnormalities.
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 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 | 0,085 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».