Connecting People With Multimorbidity to Interprofessional Teams Using Telemedicine
Notice bibliographique
Résumé
PURPOSE: Most models for managing chronic disease focus on single diseases. Managing patients with multimorbidity is an increasing challenge in family medicine. We evaluated the feasibility of a novel approach to caring for patients with multimorbidity, performing a case study of TIP-Telemedicine IMPACT (Interprofessional Model of Practice for Aging and Complex Treatments) Plus-a 1-time interprofessional consultation with primary care physicians (PCPs) and their patients in Toronto, Canada. METHODS: We assessed feasibility of the TIP model from the number of referrals from PCPs and emergency departments in Toronto, Canada; the intervention cost; and the satisfaction of patients, PCPs, and team members with the new model. One patient and PCP story highlights the model's impact. We also performed thematic analysis of written feedback. RESULTS: A total of 76 patients were referred from 53 PCPs and 4 emergency departments, and 65 PCPs participated in TIP. All 74 patient survey respondents indicated TIP improved their access to interdisciplinary resources, and 97% reported feeling hopeful their conditions would improve as a result. Of 21 PCP survey respondents, 100% reported they would use TIP again, and 90% reported improved confidence in managing their patient's care. Of 87 team member survey respondents, 97% rated TIP as effective. Qualitative findings indicated benefits to both patients and health professionals. The cost was about 22% less than that of a 1-day hospital admission through the emergency department (C$854 vs C$1,088). CONCLUSIONS: TIP is a feasible intervention in multiple primary care settings that gives patients an active role in their health management, supported by their team. The model effectively addresses the needs of the most complex patients and their PCPs.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».