<p>Electronic referral systems in health care: a scoping review</p>
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
Introduction: Electronic referral (eReferral) systems have been designed with the dual purpose of decreasing wait times and improving workflow efficiency. Evidence about the clinical and economic value enabled through the use of eReferral systems is limited. Our objective was to review the evidence base for the effectiveness and cost-effectiveness of eReferral systems. This review is part of a bigger project to inform the economic benefits of a regional eReferral implementation program. Material and methods: A systematic search was conducted to capture the available literature on the effectiveness and cost-effectiveness of eReferral system interventions. Evaluation of eReferral system for cost or outcome(s) were included. Strictly e-consultation systems were excluded. We only included publications in English. Results: We found 274 citations. After removing duplicates and conducting levels one and two screenings, nine publications qualified. Results were divided into four categories: cost or cost-effectiveness analysis, changes in workflow efficiency, the quantity of referrals, and the quality of referrals. A full economic evaluation, conducted in Denmark, found that an eReferral system was cost-effective compared with a paper-based referral system. Of the other eight studies, three demonstrated positive changes in referral processing; two evaluated changes in the quality of the referrals, and three evaluated if the eReferral system increased the quantity of referrals. Discussion: The evidence base on the effectiveness of eReferral systems to improve communication between primary care and specialists and to decrease wait times is positive but limited. Economic evaluations are needed to examine the clinical and economic value of eReferral systems in health care. Keywords: electronic referrals, eHealth systems, review, costs, cost-effectiveness
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 découle