MétaCan
Menu
Retour à la cohorte
Enregistrement W3141636701 · doi:10.21203/rs.3.rs-384431/v1

Advancing Health Equity During the COVID-19 Pandemic through Digital Medical Interpretation Platforms

2021· preprint· en· W3141636701 sur OpenAlexaffabout
Nazia Sharfuddin, Pamela Mathura, Emily Ling, Ellen Bruseker, Areej Rajeh, Jennifer Woods, Yvonne Suranyi, Narmin Kassam

Notice bibliographique

RevueResearch Square · 2021
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueInterpreting and Communication in Healthcare
Établissements canadiensAlberta Health ServicesUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Pandemic2019-20 coronavirus outbreakEquity (law)Interpretation (philosophy)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)BusinessComputer sciencePolitical scienceMedicineVirologyInfectious disease (medical specialty)OutbreakDiseaseLawInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background: Medical Interpretation Services (MIS) is the gold-standard that should be used during clinical assessments with patients who have limited English proficiency (LEP) or have hearing loss. The COVID-19 pandemic has highlighted the urgent need for clear, concise medical communication between patients and clinicians to prevent the spread of COVID-19 and ensure public safety. Cost of MIS is covered by the provincial health authority in Alberta; however, it is not consistently utilized across the province.Aim: To implement digital MIS in the Emergency Department (ED) of one urban teaching hospital, improving accuracy of clinical assessment and to provide patient-centered communication. Methods: Applying quality improvement methodology, an intervention comprised of digital MIS technology and education was trialed for 6 months. To assess intervention effect, the number of MIS minutes and calls were measured monthly and a questionnaire was developed and administered to determine ED healthcare providers’ awareness, technology accessibility and perception of MIS integration into the clinical workflow. Results: Digital MIS was utilized consistently in the ED from the beginning of the COVID-19 pandemic (March 2020) and over the subsequent six months. The cost avoidance due to digital MIS usage was estimated to be $19,612.16. ED healthcare providers indicated that digital MIS helped smooth communication with patients and reduced the time it took to gather and provide accurate information. Conclusion: Providing digital MIS access, education and training is a means to advance health equity, by improving accuracy of clinical assessment and patient-centered care 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,028
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0010,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,284
Tête enseignante GPT0,615
Écart entre enseignants0,330 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetInterpreting and Communication in HealthcareTravaux en français237 207