MétaCan
Menu
Retour à la cohorte
Enregistrement W2947530001 · doi:10.1136/bmjopen-2018-028888

Supporting the spread and scale-up of electronic consultation across Canada: cross-sectional analysis

2019· article· en· W2947530001 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueBMJ Open · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueHealthcare Systems and Technology
Établissements canadiensUniversité du Québec en OutaouaisNine Circles Community Health CentreNewfoundland and Labrador Centre for Applied Health ResearchMcGill UniversityUniversity of AlbertaOttawa HospitalUniversity of ManitobaCanadian Foundation for Healthcare ImprovementMemorial University of NewfoundlandBruyèreUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineReferralCross-sectional studyScale (ratio)Service (business)Family medicinePrimary careGeographyCartography

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,218

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,384
Écart entre enseignants0,352 · 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