MétaCan
Menu
Retour à la cohorte
Enregistrement W3178493410 · doi:10.2106/jbjs.rvw.20.00299

Team Approach: Virtual Care in the Management of Orthopaedic Patients

2021· review· en· W3178493410 sur OpenAlexaff
Luc Rubinger, Aaron Gazendam, Thomas J. Wood, Darryl Yardley, Harsha Shanthanna, Mohit Bhandari

Notice bibliographique

RevueJBJS Reviews · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensSt. Joseph’s Healthcare HamiltonMcMaster University
Organismes subventionnairesnon disponible
Mots-clésTelemedicineMedicineMultidisciplinary approachHealth carePandemicProcess (computing)Multidisciplinary teamMEDLINEPopulationNursingCoronavirus disease 2019 (COVID-19)Medical emergencyComputer scienceDisease

Résumé

récupéré en direct d'OpenAlex

»: Telemedicine and remote care administered through technology are among the fastest growing sectors in health care. The utilization and implementation of virtual-care technologies have further been accelerated with the recent COVID-19 pandemic. »: Remote, technology-based patient care is not a "one-size-fits-all" solution for all medical and surgical conditions, as each condition presents unique hurdles, and no true consensus exists regarding the efficacy of telemedicine across surgical fields. »: When implementing virtual care in orthopaedics, as with standard in-person care, it is important to have a well-defined team structure with a deliberate team selection process. As always, a team with a shared vision for the care they provide as well as a supportive and incentivized environment are integral for the success of the virtual-care mechanism. »: Future studies should assess the impact of primarily virtual, integrated, and multidisciplinary team-based approaches and systems of care on patient outcomes, health-care expenditure, and patient satisfaction in the orthopaedic population.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,091
Tête enseignante GPT0,412
Écart entre enseignants0,321 · 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
GenreSynthèse

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'admission1
Résumé présentoui

Explorer davantage

Même revueJBJS ReviewsMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207