9 Rheum service: improving virtual care during COVID-19
Notice bibliographique
Résumé
Background During COVID-19, rheumatology outpatients need timely access to care while social distancing. Video consults have potential to improve virtual assessments, however, some patients and providers are apprehensive about using this technology. Objectives Provide delightful and effective video consults for 90% of new patients by July 1. Methods We redesigned video appointments to create a seamless virtual experience. PDSA Series 1 identified improvement opportunities with a process map, fishbone, and driver diagram. PDSA Series 2 tested and implemented change ideas: digital appointment confirmations, reminders, and forms; video consults with limited pre-call testing; digital reports, requisitions, and messaging. PDSA Series 3 refined changes by decreasing reminders, increasing pre-call tests, and adding backup video platforms. Outcome measures were: 1)% consults by video, 2)% requesting more video appointments. Process measures were: 1) pre-call tests completed, 2) technical difficulties. Our balance measure was% virtual diagnoses modified after in-person visits. We collected data over ten weeks and emailed anonymized patient surveys one week after video consults. We analyzed data with run charts and descriptive statistics. Results We scheduled 135 new consults: 120 (89%) video, 14 (10%) phone, and 1 (1%) office. Twenty-one patients (16%) did not own a video-enabled device. Pre-visit, 12 patients (10%) participated in pre-call testing. Video consults were initiated for 97% of scheduled patients; of these, 6% suffered technical difficulties, requiring a switch to phone or another video platform. Surveys were completed after 40% (48/120) of video visits: 68% of patients wanted another video appointment; 28% were ‘not sure’; 4% declined. Virtual diagnoses stayed the same for 84% (32/38) of patients with follow-up in-person assessments. Conclusions While video consults proved effective for most patients, sociodemographic and technological barriers prevented others from participating. Next steps include improving access to video-enabled devices and providing more pre-visit training to reduce these barriers.
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 | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,004 |
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 ».