MétaCan
Menu
Retour à la cohorte
Enregistrement W2921673678 · doi:10.1370/afm.2355

Primary Care Clinician Adherence to Specialist Advice in Electronic Consultation

2019· article· en· W2921673678 sur OpenAlexafffundabout
Gwen de Man, Isabella Moroz, Jay Mercer, Clare Liddy

Notice bibliographique

RevueThe Annals of Family Medicine · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueHealthcare Systems and Technology
Établissements canadiensOttawa HospitalBruyèreUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineAuditPrimary careFamily medicineService (business)MEDLINEAdvice (programming)Specialist careNursingMedical emergency

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Electronic consultation (eConsult) services can improve access to specialist advice. Little is known, however, about whether and how often primary care clinicians adhere to the advice they receive. We evaluated how primary care clinicians use recommendations conveyed by specialists via the Champlain BASE (Building Access to Specialists through eConsultation) eConsult service and how eConsult affects clinical management of patients in primary care. METHODS: This is a descriptive analysis based on a retrospective chart audit of 291 eConsults done between January 20, 2017 and August 31, 2017 at the Bruyère Family Health Team, located in Ottawa, Canada. Patients' charts were reviewed until 6 months after specialist response for the following main outcomes: implementation of specialist advice by primary care clinicians, communication of the results to the patients, method, and time frame of communication. RESULTS: Primary care clinicians adhered to specialist advice in 82% of cases. Adherence ranged from 62% to 93% across recommendation categories. Questions asked by primary care clinicians related to diagnosis (63%), management (27%), drug treatment (10%), and procedures (1%). Recommendations of the eConsult were communicated to patients in 79% of cases, most often by face-to-face visit (38%), telephone call (32%), or use of the patient portal (9%). Communication occurred in a median of 5 days. CONCLUSIONS: We found little evidence of barriers to implementing specialist advice with use of eConsult, which suggests recommendations given through service were actionable. With a high primary care clinician adherence to specialist recommendations and primary care clinician-to-patient communication, we conclude that eConsult delivers good-quality care and improves patient management.

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)0,025
score de la tête « metaresearch » (Gemma)0,185
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,134

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,185
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,150
Tête enseignante GPT0,393
Écart entre enseignants0,244 · 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

Citations15
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Annals of Family MedicineMême sujetHealthcare Systems and TechnologyTravaux en français237 207