Improving access to urologists through an electronic consultation service
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
INTRODUCTION: Access to specialist services is limited by wait times and geographic availability. Champlain Building Access to Specialist Advice (BASE) has been implemented in our service region to facilitate access to specialists by primary care providers (PCPs). Through a secure web-based system, PCPs are able to send eConsults instead of requesting a formal in-office consultation. METHODS: Urology eConsults completed through the Champlain BASE service from March 2013 to January 2015 were analyzed. Each consult was characterized in regard to the type of question asked by the referring physician and the clinical content of the referral. Using the mandatory close-out surveys, we analyzed rates of referral avoidance, physician satisfaction, and overall impact on patient care. RESULTS: Of 190 eConsultations, 70% were completed in less than 10 minutes. The most common clinical questions related to the interpretation of imaging reports (16%) and tests to choose for investigating a condition (15%). The most common diagnoses were hematuria (13%) and renal mass (8%). In 35% of cases, referral to a urologist had originally been contemplated and was avoided. In 8% of cases, a PCP did not believe a consultation was initially needed, but a referral was ultimately initiated after the eConsultation. CONCLUSIONS: Our study shows that although certain clinical presentations still require a formal in-person urological consultation, eConsultations can potentially reduce unnecessary clinic visits while identifying patients who may benefit from early urological consultation. Through both these mechanisms, we may improve timely access to urologists.
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 | 0,001 | 0,003 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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