An Electronic Referral Initiative to Facilitate Referral to a Chronic Disease Self-Management Program for Persons with Transient Ischemic Attack
Notice bibliographique
Résumé
Background Transient ischemic attack (TIA) is a strong predictor of subsequent stroke. Measures to decrease stroke incidence following TIA include medical management, risk factor optimization, and lifestyle modification. Best practice recommendations for stroke care promote individualized education on self-management across transitions from hospital to community settings. In the study region, patients with TIA are referred to the stroke prevention clinic where they receive rapid stroke assessment, risk factor management, education, and referral to risk reduction programs. Long-term management is typically the responsibility of primary care providers who may have limited resources for self-management support. Promotion of existing chronic disease self-management (CDSM) programs can complement this support. Objective The objective of our project was to examine the feasibility and acceptability of an electronic referral system to an existing CDSM program to facilitate self-management support for persons with TIA. Methods We performed a descriptive evaluation of a quality improvement project that involved development and implementation of a new electronic referral (eReferral) process. A partnership between the stroke prevention clinic and the regional Living Healthy CDSM program was developed alongside a clinical information system redesign implementing an eReferral system. Results Referral to the Living Healthy CDSM program was offered to each patient at the stroke prevention clinic. Of 912 patients seen over a 6-month period, 62 (7%) agreed to be referred. Of these, 23 (37%) were registered or waitlisted. Conclusion Formation of a partnership and implementation of the eReferral system facilitated referral to the Living Healthy CDSM program. Despite low referral and enrollment rates, the eReferral system provides one option to enhance self-management support for persons with TIA.
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 | 0,015 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».