MétaCan
Menu
Retour à la cohorte
Enregistrement W3157856897 · doi:10.7759/cureus.26263

Patient Experiences With a Remote Monitoring Pathway for COVID-19

2022· article· en· W3157856897 sur OpenAlexaff
Courtney Cheng, Karishma Manji, Lora Appel, Christopher R. Smith

Notice bibliographique

RevueCureus · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensToronto East General HospitalUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicinePandemicCoronavirus disease 2019 (COVID-19)TelemedicineEmergency departmentTelehealthMedical emergencyPhoneSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Care pathwayEmergency medicineHealth careDiseaseInternal medicineNursingInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Due to the coronavirus disease 2019 (COVID-19) pandemic, a remote monitoring pathway was developed at Michael Garron Hospital to allow individuals with confirmed or presumed COVID-19 infection to successfully manage their illness at home. This study aims to understand patients' experiences on this remote monitoring pathway and to investigate the effectiveness of the pathway in preventing unnecessary emergency department (ED) visits and detecting severe infection. METHODS: A total of 35 semi-structured interviews were conducted over the phone. Researchers reviewed transcripts to come up with an index of nodes. Two researchers initially coded the same four transcripts to ensure high inter-rater reliability. The remaining 31 transcripts were coded by one researcher. RESULTS: Of patients, 80% (n = 28) had a positive experience on the pathway. Remote monitoring was effective in reassuring 22.9% of patients (n = 8) with mild-moderate symptoms that their symptoms were not significant enough to go to the ED and they were monitored at home. A total of 8.6% of patients (n = 3) were correctly identified as having severe symptoms while on the pathway and were asked to present to the hospital. For 8.6% of patients (n = 3), remote monitoring did not identify their severe COVID-19 illness. Of patients, 2.9% (n = 1) were incorrectly identified as having severe COVID-19 symptoms when they were clinically well. DISCUSSION: Remote monitoring is an effective tool to optimize healthcare resources during a pandemic. It reduces ER visits and provides a means for routine follow-up while minimizing virus exposure. Patients generally had a positive experience; however, more research needs to be done on optimizing the detection of severe infection.

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)0,003
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,002
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,379
Écart entre enseignants0,313 · 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'étudeQualitatif
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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207