MétaCan
Menu
Retour à la cohorte
Enregistrement W2784695551 · doi:10.1177/2054358117753619

Nephrology eConsults for Primary Care Providers: Original Investigation

2018· article· en· W2784695551 sur OpenAlexaffabout
Jennifer Li, Peter Magner, Amir Afkham, Clare Liddy

Notice bibliographique

RevueCanadian Journal of Kidney Health and Disease · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueHealthcare Systems and Technology
Établissements canadiensOttawa HospitalBruyèreChamplain Regional CollegeUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineNephrologyPrimary careInternal medicineIntensive care medicineFamily medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The Champlain BASE™ (Building Access to Specialists through eConsultation) eConsult service allows primary care providers (PCPs) to submit patient-specific clinical questions to specialists via a secure web service. OBJECTIVE: Our objective was to describe the types of nephrology questions asked through an eConsult service based in eastern Ontario and assess the service's impact on the need for face-to-face consultations. DESIGN: Cross-sectional study using descriptive statistics was conducted using nephrology cases submitted between May 2011 and January 2015. Specialist response times and referral avoidance were collected. Validated taxonomies were used to categorize cases based on question type and content. SETTING: Patient cases were collected from PCPs in Ottawa, Ontario, and its surrounding communities and submitted to nephrologists at the Ottawa Hospital. PATIENTS: During the study period, 155 eConsults were submitted to nephrology. MEASUREMENT: Utilization and survey data were collected for all eConsults. Questions were categorized by subject matter and question type. RESULTS: A traditional consult visit was avoided in 45% of cases based on the specialist's advice; 21% cases required referral. Thirty-two percent of eConsults took specialists less than 10 minutes to complete, 55% took 10 to 15 minutes, 11% took 15 to 20 minutes, and only 2% took more than 20 minutes. Twenty-five percent of cases were related to proteinuria, 18% to chronic kidney disease (CKD), 17% to imaging, and 12% to drug use in CKD. Common question types included general management (37%), interpretation of laboratory test (17%), interpretation of an image report (13%), and need for nephrology referral (11%). LIMITATIONS: Some consults contained multiple categories and question types. Our analyses required a single classification, which may underestimate the number of questions in each category. Our study had a small sample size using cases completed in a single health jurisdiction, limiting generalizability. CONCLUSIONS: The Champlain BASE™ eConsult service provided guidance to PCPs and reduced the number of face-to-face nephrology consultations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,376

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,006
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,251
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Kidney Health and DiseaseMême sujetHealthcare Systems and TechnologyTravaux en français237 207