Understanding the impact of a multispecialty electronic consultation service on family physician referral rates to specialists: a randomized controlled trial using health administrative data
Notice bibliographique
Résumé
BACKGROUND: Electronic consultation (eConsult) services are secure online applications facilitating provider-to-provider communication. They have been found to improve access to specialist care. However, little is known about eConsult's impact on family physicians' referral rates to specialty care. The objective of this study was to assess the impact of a multispecialty eConsult service on referral rates from primary care. METHODS: In this parallel-arm, randomized controlled trial, we recruited primary care providers across Ontario not previously enrolled with eConsult. We randomly assigned participants to intervention and control arms. Participants in the intervention arm received access to eConsult for a period of 1 year while those in the control arm received no access to eConsult. The main outcome was specialist referral rate, expressed as the total number of referrals to (1) specialties available through eConsult, and (2) all medical specialties, per 100 patients seen. Multivariable negative binomial regression analysis was used to evaluate the effect of the intervention before and after adjusting for provider characteristics, using health administrative data. RESULTS: One hundred and thirteen participants were randomized (56 to control and 57 to intervention). For the primary outcome (referrals to eConsult specialties), the results show a statistically significant reduction in the number of referrals in both arms (control-arm Rate Ratio (RR), 0.85, 95% CI 0.79 to 0.91; intervention-arm RR, 0.80, 95% CI 0.74 to 0.85; unadjusted and adjusted RR values almost identical), as compared to the baseline data collected during the 12-month period before randomization, with a non-statistically significant 6% greater reduction in referrals in the intervention arm, compared to the control arm (unadjusted RR 0.94, 95% CI 0.85 to 1.03; adjusted RR 0.93, 95% CI 0.85 to 1.03). CONCLUSIONS: Our randomized controlled trial of a multispecialty eConsult service demonstrated inconclusive results in terms of the impact of eConsult on physician referral rates. Findings are discussed in light of important limitations associated with conducting randomized controlled trials (RCTs) of complex interventions in the primary care context with intent to inform the design and analysis of future trials. TRIAL REGISTRATION: Clinicaltrials.gov, ID: NCT02053467 . Registered prospectively on 3 February 2014.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Essai randomisé | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Essai randomisé | high |
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 | 0,007 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».