Impact of health portal enrolment with email reminders at an academic rheumatology clinic
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
Missed appointments reduce the quality, safety and efficiency of healthcare delivery. 'No-Shows' (NS) have been identified as a problem within the rheumatology clinic at Sunnybrook Health Sciences Center in Toronto, Ontario. NS were studied through a prospective chart review and telephone interviews. Over 6 months, 110 NS took place (rate 2.5-6.8%). From interviews, 85% of NS were attributed to forgetting, being unaware of the appointment, having the wrong date, or another miscommunication. Fifty-seven percent of patients were interested in an appointment reminder, including electronic reminders (46%). Patients were encouraged to enroll in the hospital's electronic patient portal, MyChart, and email reminders were implemented at one clinic for portal users. A detailed follow-up card was also given to patients. Process measures included portal enrolment, email reminder receipt, and call volumes. Outcome measures were NS and patient and staff satisfaction. During the intervention, 120/274 (44%) surveyed patients had MyChart accounts. Of these, 73 (61%) received the e-mail reminder and 72 (99%) found the e-mail helpful. Twenty-two patients knew about their appointment from the e-mail reminder alone. Improvement in attendance was seen after 3.5 months, but it was not sustained thereafter. Prior to this intervention there was no appointment reminder system at this clinic, and the email reminder demonstrated high patient satisfaction. Low portal enrolment, technical difficulties, and the inability of the intervention to reach new patients were possible reasons why the intervention was unsuccessful at reducing NS.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 découle