Electronic Advice Request System for Nephrology in Alberta: Pilot Results and Implementation
Notice bibliographique
Résumé
BACKGROUND: Residents of rural areas of Alberta face significant barriers regarding access to specialist care, resulting in delays in provision of optimal care. Electronic referral and consultation systems are promising tools for facilitating timely access to specialist care, especially for people living in rural locations. OBJECTIVE: To report our initial experience with the launch of an electronic advice request system for ambulatory kidney care in Alberta, Canada. METHODS: We analyzed electronic advice requests for nephrology services in Alberta after the system's pilot launch, from October 2016 to December 2017. Data for province-wide advice request utility by primary care providers (PCPs) were extracted from Alberta Netcare for analysis. RESULTS: The total number of electronic advice requests directed to nephrology was 118 (mean number of requests: 2 per week). Only 31 (26.3%) of the cases required a face-to-face clinic visit with a nephrologist. Most (87; 73.7%) cases were managed by PCPs with ongoing nephrologist support via the advice request tool. Typical nephrologist response time was 5.7 ± 0.6 (mean ± SEM) days. CONCLUSION: These preliminary data suggest that the electronic advice request program has potential to enhance timely access to specialist kidney care and minimize unnecessary nephrologist visits while reducing response time. Broad implementation of this system may have a substantial positive impact on health outcomes and improve cost-effectiveness for nephrology care in the long term, particularly in rural communities of Alberta.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».