How long are Canadians waiting to access specialty care? Retrospective study from a primary care perspective.
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
OBJECTIVE: To calculate patient wait times for specialist care using data from primary care clinics across Canada. DESIGN: Retrospective chart audit. SETTING: Primary care clinics. PARTICIPANTS: A total of 22 primary care clinics across 7 provinces and 1 territory. MAIN OUTCOME MEASURES: Wait time 1, defined as the period between a patient's referral by a family physician to a specialist and the visit with said specialist. RESULTS: Overall, 2060 referrals initiated between January 2014 and December 2016 were included in the analysis. The median national wait time 1 was 78 days (interquartile range [IQR] of 34 to 175 days). The shortest waits were observed in Saskatchewan (51 days; IQR = 23 to 101 days) and British Columbia (59 days; IQR = 29 to 131 days), whereas the longest were in New Brunswick (105 days; IQR = 43 to 242 days) and Quebec (104 days; IQR = 36 to 239 days). Median wait time 1 varied substantially among different specialty groups, with the longest wait time for plastic surgery (159 days; IQR = 59 to 365 days) and the shortest for infectious diseases (14 days; IQR = 6 to 271 days). CONCLUSION: This is the first national examination of wait time 1 from the primary care perspective. It provides a picture of patient access to specialists across provinces and specialty groups. This research provides decision makers with important context for developing programs and policies aimed at addressing the largely ignored stage of the wait time continuum from the time of referral to eventual appointment time with the specialist.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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