The “Acute” Stone Clinic Effect: Improving Healthcare Delivery by Reorganizing Clinical Resources
Notice bibliographique
Résumé
OBJECTIVE: To determine the time to specialist urologic consultation and definitive management after establishing a subspecialist administered acute stone clinic (ASC) for adults with symptomatic upper tract stones in a publically funded universal healthcare system. MATERIALS AND METHODS: We retrospectively reviewed 337 adult referrals for stone management. Three distinct 9-week periods were assessed. Group 1 patients were seen/treated by their individual urologist before inception of a general urology emergency clinic (pre-EC). Group 2 patients were seen in a pooled EC and Group 3 patients were seen in the ASC. RESULTS: A total of 337 patients (75, pre-EC; 91, EC; 171, ASC) were reviewed. Mean time to consultation for pre-EC, EC, and ASC cohorts was 29, 7, and 7 days, respectively (p < 0.05), whereas loss to follow-up decreased from 13% to 5% (p < 0.05). On average, the number of patients seen per week increased from 9 to 20. Mean time to stone surgery from date of referral was 75 days pre-EC, 43 days EC, and 25 days ASC (p < 0.05). The percentage of patients undergoing surgery was between 59% and 63% per cohort; however, the number of patients increased from 5 to 11 per week. CONCLUSIONS: By reorganizing clinical resources, a dedicated ASC was able to increase patient capacity, reduce time to urologist consultation and reduce surgical wait times.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».