The challenge of generalist care in remote Australia: Beyond aeromedical retrieval
Notice bibliographique
Résumé
OBJECTIVE: To examine clinical service activity amongst patients of the Royal Flying Doctor Service South Eastern Section in Far West New South Wales and to evaluate the management of chronic disease among frequent users of evacuation services. DESIGN: A retrospective audit of the Royal Flying Doctor Service South Eastern Section patient database inclusive of patients within the geographical study area who accessed a clinical or remote consultation, or evacuation service at least once between 1 July 2008 and 30 June 2013. Frequent users of evacuation services (≥3 evacuations per year) were investigated through RFDS patient files for determinants of chronic disease management. MAIN OUTCOME MEASURES: Category of service accessed, clinical consultation amongst frequent evacuees, determinants of chronic disease management. RESULTS: Total number of evacuees increased by 5.4%; number of remote and clinical consultation patients increased by 5.4%. Of the 47 frequent users of evacuation services, 19 (40%) were infrequent or non-users of clinics (≤3 attendances per year) and 32 (70%) did not have a general practice management plan. Frequent evacuees averaged 2.7 chronic conditions per patient and had seen an average of 16.8 primary care physicians over the 5-year evaluation. CONCLUSION: Most frequent evacuees had several chronic conditions, multiple primary care providers, did not have a general practice management plan and had infrequent clinic reviews. This evidence highlights the challenge of remote primary care and the need to improve systems of chronic disease management. It underlines the importance of current local efforts to improve electronic records, follow-up and team care and to explore further telehealth implementation.
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 | 0,002 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 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 ».