P.025 Is this headache normal?: Assessing electronic referrals for headache from primary care physicians
Notice bibliographique
Résumé
Background: Headache is one of the most frequent complaints in primary care. We reviewed headache questions submitted to an electronic consultation service in Ontario to classify the types of headaches and describe the questions being asked. We also identified reasons why answers were not retrievable within UpToDate, an online clinical resource. Methods: 65 headache eConsults were further divided into 85 questions and categorized by headache type and question theme. Questions were manually searched within UpToDate to determine if they could be answered using this resource. The intent to refer the patient for a face-to-face referral after the eConsult was collected. Results: The top classifications were migraine, unclassified headache, and exertional and/or coital headache. The themes -identified were medication questions (41.7%), investigation questions (33.3%), clinical concerns despite normal neurologic exam and/or imaging (15.5%); and abnormal imaging findings (9.5%). Answers to 40.1% of the questions were not retrievable in UpToDate. The main reason for irretrievability was an unusual presentation. Only 33.8% of eConsults resulted in a face-to-face referral to a specialist. Conclusions: Although electronic resources may be useful in some cases, clinical nuances cannot be accounted for. By providing physicians with rapid access to specialists, eConsult services may obviate the need for formal, face-to-face referrals.
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 | 0,005 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».