The SCOPE Intervention: Impact of a Social Care Optimization Pilot Initiative in the Emergency Department
Notice bibliographique
Résumé
Emergency departments (EDs) across the globe are in a state of crisis. It is becoming increasingly difficult for hospitals to manage ED flow given the rising number of patients and subsequently, the inability of hospitals to meet such demands (Jarvis, 2016). Issues of overcrowding, long wait times, and unnecessary admissions in the ED are reported across many countries resulting in negative outcomes for patients (that is, increased rates of morbidity and mortality) and for hospitals (that is, financial loss) (Bywaters, McLeod, Fisher, Cooke, & Swann, 2011; Cassarino et al., 2019; Chang, Abujaber, Reynolds, Camargo, & Obermeyer, 2016). EDs in Canada and the United States are no exception. Li and colleagues (2007) reported that U.S and Canadian ED utilization rates are similar, such that the annual rate of ED visits is approximately 40 visits per 100 members of the population. It is not surprising that the high rates of ED visits and hospital admissions coincide with the increasing numbers of patients presenting with complex care challenges that encompass not only clinical care, but social care as well (for example, homeless people, domestic violence victims, and patients with special needs) (Cassarino et al., 2019). As such, the health care system requires better practice approaches that effectively address the increasing psychosocial needs of patients presenting in the ED.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,001 |
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 ».