CUP study: protocol for a comparative analysis of centralised waitlist effectiveness, policies and innovations for connecting unattached patients to primary care providers
Notice bibliographique
Résumé
INTRODUCTION: Access to a primary care provider is a key component of high-functioning healthcare systems. In Canada, 15% of patients do not have a regular primary care provider and are classified as 'unattached'. In an effort to link unattached patients with a provider, seven Canadian provinces implemented centralised waitlists (CWLs). The effectiveness of CWLs in attaching patients to regular primary care providers is unknown. Factors influencing CWLs effectiveness, particularly across jurisdictional contexts, have yet to be confirmed. METHODS AND ANALYSIS: A mixed methods case study will be conducted across three Canadian provinces: Ontario, Québec and Nova Scotia. Quantitatively, CWL data will be linked to administrative and provider billing data to assess the rates of patient attachment over time and delay of attachment, stratified by demographics and compared with select indicators of health service utilisation. Qualitative interviews will be conducted with policymakers, patients, and primary care providers to elicit narratives regarding the administration, use, and access of CWLs. An analysis of policy documents will be used to identify contextual factors affecting CWL effectiveness. Stakeholder dialogues will be facilitated to uncover causal pathways and identify strategies for improving patient attachment to primary care. ETHICS AND DISSEMINATION: Approval to conduct this study has been granted in Ontario (Queens University Health Sciences and Affiliated Teaching Hospitals Research Ethics Board, file number 6028052; Western University Health Sciences Research Ethics Board, project 116591; University of Toronto Health Sciences Research Ethics Board, protocol number 40335), Québec (Centre intégré universitaire de santé et de services sociaux de l'Estrie, project number 2020-3446) and Nova Scotia (Nova Scotia Health Research Ethics Board, file number 1024979).
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 | 0,119 | 0,108 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,172 | 0,027 |
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 ».