The association between question type and the outcomes of a Dermatology <scp>eC</scp>onsult service
Notice bibliographique
Résumé
BACKGROUND: eConsult is a web based service that facilitates communication between primary care providers (PCPs) and specialists, which can reduce the need for face-to-face consultations with specialists. One example is the Champlain BASE (Building Access to Specialist through eConsultation) service with dermatology being the largest specialty consulted. METHODS: Dermatology eConsults submitted from July 2011 to January 2015 were reviewed. Post eConsult surveys for PCPs were analyzed to determine the number of traditional consults avoided and perceived value of eConsults. The time it took the PCP to receive a reply and the amount of time reported by the specialist to answer eConsult were proactively recorded and analyzed. A subset of 154 most recent eConsults was categorized for dermatology content and question type (e.g. diagnosis or management) using a validated taxonomy. RESULTS: A total of 965 eConsults were directed to dermatology from 217 unique PCPs. The majority of eConsults (64%) took the specialist between 10 and 15 minutes to answer. The overall value of this service to the provider was rated as very good or excellent in 95% of cases. In 49%, traditional in-person assessments were avoided. In the subset of the most recent cases, diagnosis was the most common question type asked (65.2%) followed by management (29%) and drug treatment (10.6%). The top five subject areas (40%) were: Dermatitis, Infections, Neoplasm, Nevi, and Pruritus. CONCLUSION: eConsults was feasible and well received by PCPs, which improves access to dermatology care with a potential to reduce wait times for traditional consultation.
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 | 0,000 | 0,004 |
| 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 | 0,000 |
| Science ouverte | 0,001 | 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; un appel candidat d’une seule tête enseignante, 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 ».