Primary Care Clinician Adherence to Specialist Advice in Electronic Consultation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle