Variations in Pediatric Rheumatology Workforce and Care Processes Across Canada
Notice bibliographique
Résumé
OBJECTIVE: To examine the Canadian pediatric rheumatology workforce and care processes. METHODS: Pediatric rheumatologists and allied health professionals (AHPs) participated. A designee from each academic center provided workforce information including the number of providers, total and breakdown of full-time equivalents (FTEs), and triage processes. We calculated the clinical FTE (cFTE) available per 75,000 (recommended benchmark) and 300,000 (adjusted) children using 2019 census data. The national workforce deficit was calculated as the difference between current and expected cFTEs. Remaining respondents were asked about ambulatory practices. RESULTS: The response rate of survey A (workforce information) and survey B (ambulatory practice information) was 100% and 54%, respectively. The majority of rheumatologists (91%) practiced in academic centers. The median number of rheumatologists per center was 3 (IQR 3) and median cFTE was 1.9 (IQR 1.5). The median cFTE per 75,000 was 0.2 (IQR 0.3), with a national deficit of 80 cFTEs. With the adjusted benchmark, there was no national deficit, but there was a regional maldistribution of rheumatologists. All centers engaged in multidisciplinary practices with a median of 4 different AHPs, although the median FTE for AHPs was ≤ 1. Most centers (87%) utilized a centralized triage process. Of 9 (60%) centers that used an electronic triage process, 6 were able to calculate wait times. Most clinicians integrated quality improvement practices, such as previsit planning (67%), postvisit planning (68%), and periodic health outcome monitoring (36-59%). CONCLUSION: This study confirms a national deficit at the current recommended benchmark. Most rheumatologists work in multidisciplinary teams, but AHP support may be inadequate.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».