MétaCan
Menu
Retour à la cohorte
Enregistrement W313289042 · doi:10.3233/978-1-61499-505-0-102

Telehomecare Reduces ER Use and Hospitalizations at William Osler Health System

2015· article· en· W313289042 sur OpenAlexaffabout
Sandra Mierdel, Kirk Owen

Notice bibliographique

RevueStudies in health technology and informatics · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensWilliam Osler Health System
Organismes subventionnairesnon disponible
Mots-clésEmergency departmentMedicineTelemedicineEmergency medicineTelehealthHealth careMedical emergencyNursing

Résumé

récupéré en direct d'OpenAlex

The Ontario Telemedicine Network's Telehomecare initiative brings together specially trained clinicians and technology to coach patients with COPD and/or heart failure to monitor vital signs and manage their health at home. The objective of the study was to evaluate pre- and post-enrollment and post discharge data captured by Telehomecare host William Osler Health System (WOHS). Results demonstrate a 46% reduction in emergency department use and a 53% reduction in hospitalizations post-enrollment compared to pre-enrollment. Average length of stay (LOS) dropped by 25% of a day compared to pre-enrollment. In addition, six months after Telehomecare discharge, inpatient admissions and emergency department visits continued to decline, by 65% and 57% respectively, compared to pre-enrollment. While average LOS increased between pre-enrollment and post-discharge, the reduction in acute inpatient episodes created a net reduction in accumulated inpatient days of 563.16 days (63% reduction). The WOHS Telehomecare results strongly support the positive influence of the program on health system utilization and the development of effective long-term self-management skills. Next steps could include reviewing, more closely, the reasons for hospital utilization and undertaking a cost-benefit analysis to support further expansion of the program to address other chronic illness and care needs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,655
Score d'incertitude au seuil0,520

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,092
Tête enseignante GPT0,400
Écart entre enseignants0,308 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStudies in health technology and informaticsMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207