Notice bibliographique
Résumé
They say that necessity is the mother of invention. And the delivery of rheumatologic care is in need of mothering. In this month’s Journal , Rostom and colleagues1 describe the use and benefits of an innovative eConsult service, developed to improve access to rheumatologic care in the Champlain region in eastern Ontario, Canada. They categorized the 225 eConsults directed to rheumatology over a span of nearly 4 years, between mid-2011 and early 2015, according to type of question posed and the effect of the interaction on face-to-face referral rates. The group found that referrals for osteoporosis, polyarthralgias, and polyarthritis were the most common, and that consults centered around drug treatment and diagnosis. The strengths cited were limited additional demand placed on a strained system, efficiency of response, referral avoidance, and high user satisfaction. With aging baby boomers, population expansion, migration, and the advent of complex rheumatologic therapies, there is a burgeoning need for rheumatologic care. The problem is one of supply and demand: either there is a shortage of rheumatologists or there are too many potential rheumatology patients. The solution is “simple”: What do we need? More rheumatologists. When do we want them? Now. Let us pause, however, to consider the truly scarce resource here: what we really need is increased rheumatologic acumen, systemwide, that can then be dispensed as rheumatologic assessments. Some clinical issues require multiple assessments, others need fewer. And while rheumatologists are acumen-dense and can provide a large number … Address correspondence to Dr. A. Steiman, Sinai Health System/University Health Network, Rebecca MacDonald Centre for Arthritis and Autoimmune Disease, 60 Murray St., Suite 2-223, Box 10, Toronto, Ontario M5T 3L9, Canada. E-mail: amanda.steiman{at}sinaihealthsystem.ca
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».