Specialist Wait Time Reporting Using Family Physicians’ Electronic Medical Record Data: A Mixed Method Study of Feasibility and Clinical Utility
Notice bibliographique
Résumé
Abstract Background: More than 50% of Canadian patients wait longer than four weeks to see a specialist after referral from primary care. Access to accurate wait time information may help primary care physicians choose the timeliest specialist to address a patient’s specific needs. We conducted a mixed-methods study to assess if primary to specialist care wait times can be extracted from electronic medical records (EMR), analyzed the wait time information, and used focus groups and interviews to assess the potential clinical utility of the wait time information. Methods: Two family practices were recruited to examine primary care physician to specialist wait times between 2016 and 2017, using EMR data. The primary outcome was the median wait time from physician referral to specialist appointment for each specialty service. Secondary outcomes included the physician and patient characteristics associated with wait times as well as qualitative analyses of physician interviews about the resulting wait time reports.Results: Wait time data can be extracted from the primary care EMR and converted to a report format for family physicians and specialists to review. After data cleaning, there were 7141 referrals included from 4967 unique patients. The 5 most common specialties referred to were Dermatology, Gastroenterology, Ear Nose and Throat, Obstetrics and Gynecology and Urology. Half of the patients were seen by a specialist within 42 days, 75% seen within 80 days and all patients within 760 days. There were few patient or provider differences amongst the wait times for referrals. Overall, wait time reports were perceived to be important since they could help family physicians decide how to triage referrals and might lead to system improvements. Conclusions: Wait time information from primary to specialist care can aid in decision-making around specialist referrals, identify bottlenecks, and help with system planning. This mixed method study is a starting point to review the importance of providing wait time data for both family physicians and local health systems. Future work can be directed towards developing wait time reporting functionality and evaluating if wait time information will help increase system efficiency and/or improve provider and patient satisfaction.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,082 | 0,133 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».