MétaCan
Menu
Retour à la cohorte
Enregistrement W2907754311 · doi:10.1371/journal.pone.0209241

A multifaceted primary care practice-based intervention to reduce ED visits and hospitalization for complex medical patients: A mixed methods study

2019· article· en· W2907754311 sur OpenAlexafffund
Tara O’Brien, Noah Ivers, Onil Bhattacharyya, Andrew Calzavara, Laura Pus, Geetha Mukerji, Steven Friedman, Howard Abrams, Ian Stanaitis, Gillian Hawker, Pauline Pariser

Notice bibliographique

RevuePLoS ONE · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensUniversity Health NetworkInstitute for Clinical Evaluative SciencesUniversity of TorontoWomen's College Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchDepartment of Family and Community Medicine, University of TorontoUniversity of TorontoOntario Ministry of Health and Long-Term CareInstitute for Clinical Evaluative Sciences
Mots-clésMedicineIntervention (counseling)Emergency departmentFamily medicinePhoneInterrupted time seriesPrimary careEmergency medicinePsychological interventionNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The management of complex, multi-morbid patients is challenging for solo primary care providers (PCPs) with limited access to resources. The primary objective of the intervention was to reduce the overall rate of Emergency Department (ED) visits among patients in participating practices. METHODS AND FINDINGS: An interrupted time series design and qualitative interviews were used to evaluate a multifaceted intervention, SCOPE (Seamless Care Optimizing the Patient Experience), offered to solo PCPs whose patients were frequent users of the ED. The intervention featured a navigation hub (nurse, homecare coordinator) to link PCPs with hospital and community resources, a general internist on-call to provide phone advice or urgent assessments, and access to patient results on-line. Continuous quality improvement (QI) strategies were employed to optimize each component of the intervention. The primary outcome was the relative pre-post intervention change in ED visit rate for patients of participating practices compared with that for a propensity-matched control group of physicians over the contemporaneous period. Themes were identified from semi-structured interviews on PCP's experiences and influential factors in their engagement. Twenty-nine physicians agreed to participate and were provided access to the intervention over an 18-month time period. There were a total of 1,525 intervention contacts over the 18-months (average: 50.6±60.8 per PCP). Both intervention and control groups experienced a trend towards lower rates of ED use by their patients over the study time period. The pre-post difference in trend for the intervention group compared to the controls was not significant at 1.4% per year (RR = 1.014; p = 0.59). Several themes were identified from qualitative interviews including: PCPs felt better supported in the care of their patients; they experienced a greater sense of community, and; they were better able to provide shared primary-specialty care. CONCLUSIONS: This multifaceted intervention to support solo PCPs in the management of their complex patients did not result in a reduced rate of ED visits compared to controls, likely related to variable uptake among PCPs. It did however result in more comprehensive and coordinated care for their patients. Future directions will focus on increasing uptake by improving ease of use, increasing the range of services offered and expanding to a larger number of PCPs.

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)0,010
score de la tête « metaresearch » (Gemma)0,009
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,056
Tête enseignante GPT0,389
Écart entre enseignants0,333 · 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

Citations4
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetChronic Disease Management StrategiesTravaux en français237 207