Sustainability of a Primary Care–Driven eConsult 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
PURPOSE: Excessive wait times for specialist appointments pose a serious barrier to patient care. To improve access to specialist care and reduce wait times, we launched the Champlain BASE (Building Access to Specialists through eConsultation) eConsult service in April 2011. The objective of this study is to report on the impact of our multiple specialty eConsult service during the first 5 years of use after implementation, with a focus on growth and sustainability. METHODS: We conducted a cross-sectional study of all eConsult cases submitted between April 1, 2011 and April 30, 2016, and measured impact with system utilization data and mandatory close-out surveys completed at the end of each eConsult. Impact indicators included time interval to obtain specialist advice, effect of specialist advice on the primary care clinician's course of action, and rate of avoidance of face-to-face visits. RESULTS: A total of 14,105 eConsult cases were directed to 56 different medical specialty groups, completed with a median response time of 21 hours, and 65% of all eConsults were resolved without a specialist visit. We observed rapid growth in the use of eConsult during the study period: 5 years after implementation the system was in use by 1,020 primary care clinicians, with more than 700 consultations taking place per month. CONCLUSIONS: This study presents the first in-depth look at the growth and sustainability of the multispecialty eConsult service. The results show the positive impact of an eConsult service and can inform other regions interested in implementing similar systems.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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