MétaCan
Menu
Retour à la cohorte
Enregistrement W2944167777 · doi:10.1186/s13063-018-3107-4

Rationale and methods of an Evaluation of the Effectiveness of the Community Paramedicine at Home (CP@home) program for frequent users of emergency medical services in multiple Ontario regions: a study protocol for a randomized controlled trial

2019· article· en· W2944167777 sur OpenAlexafffundabout
Gina Agarwal, Melissa Pirrie, Brent McLeod, Ricardo Angeles, Walter Tavares, Francine Marzanek, Lehana Thabane

Notice bibliographique

RevueTrials · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensSt. Joseph’s Healthcare HamiltonImpactThe Wilson CentreRegional Municipality of NiagaraUniversity Health NetworkUniversity of TorontoMcMaster University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineProtocol (science)Medical homeMedical emergencyNursingFamily medicineAlternative medicinePrimary care

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Frequent users of emergency medical services for issues that could be more appropriately managed through non-urgent care deplete the limited resources of the health-care system. Community paramedicine is an emerging field that extends the role of paramedics beyond the traditional emergency response. The goal of the current study is to evaluate the impact of a community paramedicine home-visit intervention with frequent users on reducing ambulance calls, hospital visits, and admissions. The study will also provide a cross-sectional description of the characteristics of frequent users of emergency medical services. METHODS/DESIGN: An open-label, pragmatic, randomized controlled trial with parallel intervention and control groups will be conducted in four paramedic services in Ontario. The sample size has been calculated as 261 per group for a 25% reduction in ambulance calls. Eligible participants will be frequent callers (three or more calls in 6 months), individuals who call for at least one lift assist, or individuals referred to the program by a paramedic. Individuals will be randomly allocated to receive either the Community Paramedicine at Home (CP@home) program intervention or their usual care (control). Intervention participants will receive up to three visits from a community paramedic, who will conduct health risk assessments, provide health promotion and education, provide referrals to local resources, and fax reports back to the family physician. Data will be collected from administrative databases (e.g., paramedic services), a custom CP@home program database, participant surveys, and key informant interviews. An intention-to-treat analysis will be conducted, including descriptive statistics and multi-level modeling to find factors predictive of primary and secondary outcomes. A thematic analysis will be used to analyze the qualitative outcomes. An economic analysis will consider the cost-effectiveness of the program. DISCUSSION: CP@home has the potential to reduce the health-care system burden significantly by targeting current frequent users of emergency medical services. By targeting this population, CP@home aims to decrease ambulance calls and emergency department visits, reducing health-care costs and improving the quality of life of a vulnerable population. If successful, CP@home will inform the development of community paramedicine policies and the expanding role of paramedics in regions across Canada. TRIAL REGISTRATION: ClinicalTrials.gov, NCT02835989 . Registered on July 14 2016.

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)0,138
score de la tête « metaresearch » (Gemma)0,089
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil0,728

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1380,089
Méta-épidémiologie (sens strict)0,0100,006
Méta-épidémiologie (sens large)0,0120,009
Bibliométrie0,0060,007
Études des sciences et des technologies0,0060,007
Communication savante0,0060,004
Science ouverte0,0060,003
Intégrité de la recherche0,0100,011
Charge utile insuffisante (le modèle a refusé de juger)0,0500,013

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 Opus0,180
Tête enseignante GPT0,509
Écart entre enseignants0,330 · 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'étudeEssai randomisé
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTrialsMême sujetEmergency and Acute Care StudiesTravaux en français237 207