eConsults and Learning Between Primary Care Providers and Specialists
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Patients in many countries face poor access to specialist care. Electronic consultation (eConsult) improves access by allowing primary care providers (PCPs) and specialists to communicate electronically. As more countries adopt eConsult services, there has been growing interest in leveraging them as educational tools. Our study aimed to assess PCPs' perspectives on eConsult's ability to improve collegiality between providers and serve as an educational tool. METHODS: We conducted a qualitative content analysis of free-text comments left by PCPs using the Champlain BASE eConsult service based in Eastern Ontario, Canada. All responses provided between January 1, 2015 and January 31, 2017 that mentioned education or collegiality were included. RESULTS: PCPs completed 16,712 closeout surveys during the study period, of which 3,601 (22%) included free-text comments. Of these, 223 (6%) included references to education or collegiality. Three prominent themes emerged from the data: building provider relationships, teaching incorporated into answer, and prompting further learning. CONCLUSIONS: PCPs described eConsult's ability to foster stronger relationships with specialists, deliver responses that provided teaching in multiple areas of their practice, and support further learning that extended beyond the case at hand and into their overall practice. The Champlain BASE eConsult service has educational value for providers. Further study is underway to explore how questions and replies submitted through eConsult can be used to facilitate reflective learning and promote feedback to providers.
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 | 0,024 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,011 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 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 ».