Experiences With Internet Triaging of 9498 Outpatients Daily at the Largest Public Hospital in Taiwan During the COVID-19 Pandemic: Observational Study
Notice bibliographique
Résumé
BACKGROUND: During pandemics, acquiring outpatients' travel, occupation, contact, and cluster histories is one of the most important measures in assessing the disease risk among incoming patients. Previous means of acquiring this information in the examination room have been insufficient in preventing disease spread. OBJECTIVE: This study aimed to demonstrate the deployment of an automatic system to triage outpatients over the internet. METHODS: An automatic system was incorporated in the existing web-based appointment system of the hospital and deployed along with its on-site counterpart. Automatic queries to the virtual private network travel and contact history database with each patient's national ID number were made for each attempt to acquire the patient's travel and contact histories. Patients with relevant histories were denied registration or entry. Text messages were sent to patients without a relevant history for an expedited route of entry if applicable. RESULTS: A total of 127,857 visits were recorded. Among all visits, 91,195 were registered on the internet. In total, 71,816 of them generated text messages for an expedited route of entry. Furthermore, 65 patients had relevant histories, as revealed by the virtual private network database, and were denied registration or entry. CONCLUSIONS: An automatic triage system to acquire outpatients' relevant travel and contact histories was deployed rapidly in one of the largest academic medical centers in Taiwan. The updated system successfully denied patients with relevant travel or contact histories entry to the hospital, thus preventing long lines outside the hospital. Further efforts could be made to integrate the system with the electronic medical record system.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».