The Feasibility of Using Electronic Consultation in Long-Term Care Homes
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.
Notice bibliographique
Résumé
Patients in long-term care (LTC) homes face barriers to accessing specialist advice. Electronic consultation (eConsult) has the potential to improve access for these patients. We used a multi-method approach to evaluate adoption of the Champlain BASE eConsult service in LTC homes across Eastern Ontario, Canada. We conducted a cross-sectional study of all eConsults submitted by primary care providers (PCPs) working at LTC homes between January 1, 2018 and December 31, 2018. Service use data were collected and descriptive statistics were calculated. We completed a thematic analysis of 4 focus groups with PCPs, senior leadership, and a nurse champion working in LTC homes where eConsult is used. Sixty-four cases were submitted to 23 specialty and subspecialty groups by LTC PCPs, most frequently dermatology (19%), geriatric medicine (11%), and infectious disease (9%). Specialists responded in a median of 0.6 days, and 70% of cases were resolved without the resident needing a face-to-face specialist visit. In 60% of cases, PCPs received advice for a new or additional course of action. Participants described complexities in the LTC context, the value of eConsult in LTC, and considerations for implementation. PCPs with experience using the service described increased access to specialist advice, ease of use, and benefits to themselves, residents, and families. eConsult is feasible in LTC and should continue to be used in this region and beyond to improve equity of access to specialist advice. Resolving the identified limitations in LTC, which hinder access to specialists and adoption of eConsult and similar innovations, should be of high priority to researchers and policy makers.
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 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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 découle