MétaCan
Menu
Retour à la cohorte
Enregistrement W2891160083 · doi:10.1177/2055207618792140

Paging the eCardiologist: insights into referral behaviour of primary care physicians from qualitative analysis of a cardiology eConsult service

2018· article· en· W2891160083 sur OpenAlexaffabout
Elizabeth Chan, Christopher Johnson, Clare Liddy, Nadine Gauthier, Michèle Turek, A. Shoki, Douglas Archibald

Notice bibliographique

RevueDigital Health · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueHealthcare Systems and Technology
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineReferralThematic analysisPrimary careFamily medicineQualitative researchInternal medicine

Résumé

récupéré en direct d'OpenAlex

Objective The purpose of this study is to investigate determinants of primary care physician cardiology referrals by performing qualitative analysis of questions asked by primary care physicians in cardiology electronic consultation services (eConsults). Setting A health region in eastern Ontario, Canada, where primary care providers have had access to an eConsult service since 2010. Participants We included all consecutive cardiology eConsults initiated by registered primary care provider users of our eConsult service and who initiated one or more eConsult between July 2014 and January 2015. We excluded eConsults in which the primary care provider attached a document without asking a question. A convenience sample of 100 consecutive eConsults initiated by 61 primary care providers was analysed after excluding 14 eConsults. Primary and secondary outcome measures: Primary care provider eConsult questions are categorised into thematic categories based on the constant comparison method of qualitative analysis with external validation by content experts. Secondary outcomes include sample primary care provider eConsult questions to illustrate each theme and any emergent subthemes. Results Thematic saturation occurred after analysis of 30 eConsults. An additional 70 eConsults were coded with no new emergent themes. Themes include exceptions to clinical guidelines ( n=13), non-cardiac treatment in a cardiac patient ( n=13), specific investigation/management ( n=18), interpretation of diagnostic testing ( n=46), clinical concerns despite normal testing ( n=4) and screening for positive family history ( n=6). Subthemes include multiple comorbidities and mild abnormalities on cardiac tests. Conclusions We report categories of clinical questions that drive primary care provider cardiology eConsults. Multimorbidity leads to cardiology eConsults as primary care providers try to apply treatment guidelines in medically complex patients. Mild test abnormalities unrelated to clinical problems commonly lead to cardiology eConsult requests. Further research is needed to determine how guidelines can better account for multimorbidity, and how cardiologists can better communicate with primary care providers to put cardiac test results in clinical context.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,316
Score d'incertitude au seuil0,951

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,329
Écart entre enseignants0,282 · 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 tête enseignante, 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

Citations2
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDigital HealthMême sujetHealthcare Systems and TechnologyTravaux en français237 207