Teleneurology service provided via tablet technology: 3-year outcomes and physician satisfaction
Notice bibliographique
Résumé
INTRODUCTION: This study aimed to demonstrate that teleneurology consultations conducted via tablet technology are an efficient and cost-effective means of managing acute neurologic emergencies at community-based hospitals and that utilizing such technology yields high community physician satisfaction. METHOD: During a 39-month period, Vanderbilt University Medical Center in Tennessee USA, provided teleneurology services to 10 community-based hospitals that lacked adequate neurology coverage. Hospitalists at one community-based hospital were not comfortable treating any patient with a neurologic symptom, resulting in 100% of those patients being transferred. This facility now retains more than 60% of neurology patients. For less than US$1200, these hospitals were able to meet the only capital expenditure required to launch this service: the purchase of handheld tablet computers. Real-time teleneurology consultations were conducted via tablet using two-way video conferencing, radiologic image sharing, and medical record documentation. Community physicians were regularly surveyed to assess satisfaction. RESULTS: From February 2014 to May 2017, 3626 teleneurology consultations were conducted. Community physicians, in partnership with neurologists, successfully managed 87% of patients at the community-based hospital. Only 13% of patients required transfer to another facility for a higher level of care. The most common diagnoses included stroke (34%), seizure (11%), and headache/migraine (6%). The average time for the neurologist to answer a request for consultation page and connect with the community physician was 10.6 minutes. Ninety-one percent of community physicians were satisfied or somewhat satisfied with the overall service. CONCLUSION: In the assessment of neurology patients, tablets are a more cost-effective alternative to traditional telehealth technologies. The devices promote efficiency in consultations through ease of use and low transfer rates, and survey results indicate community physician satisfaction.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».