Physician attendance during interhospital patient transfer in Ontario: 2005–2015
Notice bibliographique
Résumé
INTRODUCTION: Interhospital transfer of patients may be attended by a variety of healthcare providers, including physicians. The role of physicians in ambulance transfer in Ontario is not well studied. This study aims to describe the cohort of physicians providing intra-ambulance patient care in Ontario from 2005 to 2015. Secondary outcomes of interest were geographical characteristics of physician-attended transfers and patient characteristics. METHODS: OHIP billing data were used to find all instances of physician-attended air or land ambulance transfer from 2005 to 2015. These data were matched to physician data from the Corporate Providers Database and the Institute for Clinical Evaluative Sciences Physicians Database to describe the physicians providing intra-ambulance care. Patient and geographical data came from the National Ambulatory Care Reporting System and Registered Persons Database to describe the rurality of physician-attended transfers and patient characteristics. RESULTS: There were 916-1216 physician-attended transfers performed by 508-639 unique physicians in any given year. Physicians were mostly family physicians without anaesthesia or emergency medicine training (58%), with CCFP-EM physicians accounting for 17% and family medicine anaesthetists 10%. Thirty-eight per cent of physicians providing intra-ambulance care practised in rural settings. Seventy-three per cent of physician-attended land transfers originated in suburban, rural or remote hospitals. CONCLUSIONS: Physician-attended ambulance transfer in Ontario is largely provided by family physicians in suburban to remote settings. This may have implications for the education of resident physicians in this unique skill set. Further research is needed into current education practices in intra-ambulance care.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».