Supporting the spread and scale-up of electronic consultation across Canada: cross-sectional analysis
Notice bibliographique
Résumé
OBJECTIVE: To examine the process of implementing an electronic consultation (eConsult) service and evaluate its impact along key metrics outlined by the Reach, Effectiveness, Adoption, Implementation and Maintenance (RE-AIM) framework. DESIGN: Cross-sectional study. SETTING: Clinics using eConsult in four provinces across Canada: Alberta, Manitoba, Quebec and Newfoundland and Labrador. PARTICIPANTS: All eConsult cases submitted in four participating provinces were included. INTERVENTION: The eConsult service is a secure online application that allows primary care providers and specialists to communicate regarding a patient's care. We measured the impact using system utilisation data and mandatory close-out surveys completed at the end of each eConsult. MAIN OUTCOME MEASURES: Implementation progress and impact were examined using the five categories outlined by the RE-AIM framework: reach, effectiveness, adoption, implementation and maintenance. RESULTS: Four provinces provided data from different periods, ranging from 4 years (Alberta) to 10 months (Manitoba). Total cases completed ranged from 96 (Manitoba) to 6885 (Alberta). Newfoundland had the largest menu of available specialties (n=35), while Alberta and Quebec had the smallest (n=22). The most frequently requested groups varied across provinces, with only endocrinology appearing in the top five for all provinces. The average specialist response time ranged from 3 days (Manitoba) to 16.7 days (Alberta). Between 54% (Newfoundland) and 66% (Manitoba) of cases resulted in new or additional information. Primary care providers avoided completing referrals they had originally considered in 36% (Newfoundland) to 53% of cases (Manitoba), while only between 27 % (Quebec) and 29% (Newfoundland) of cases resulted in a referral. In every province, services demonstrated higher rates of usage in their last quarter of data than their first. CONCLUSIONS: eConsult was successfully implemented in four new provinces across Canada. Implementation strategies and scope varied, but services demonstrated substantial consistency on several key metrics, most notably on whether new information was learnt and impact on decision to refer.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».