MétaCan
Menu
Retour à la cohorte
Enregistrement W4220736901 · doi:10.13162/hro-ors.v10i2.4808

Implementing Home Health Monitoring for Chronic Disease Management in British Columbia

2022· article· en· W4220736901 sur OpenAlexaffvenueabout
Winnie Ma

Notice bibliographique

RevueHealth Reform Observer - Observatoire des Réformes de Santé · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésReferralGovernment (linguistics)TelehealthBusinessHealth careDigital healthTelemedicineSustainabilityMedicineNursingMedical emergencyEconomic growth

Résumé

récupéré en direct d'OpenAlex

Home health monitoring (HHM) enables health care providers to monitor a patient’s health status remotely using digital technology. In 2013, the government of British Columbia (BC) partnered with a telecommunications provider and invested $52M in HHM programs for patients with complex care needs. Telehealth has evolved over the past two decades to improve access and delivery of care, with HHM emerging as a strategy for proactive chronic disease management. The goals of the provincial HHM initiative are to reduce acute care utilization, reduce health system costs and improve patient self-management of chronic conditions. Following a series of successful pilot projects, funding for expanded HHM initiatives was made available through a provincial Strategic Investment Fund and continued support from Canada Health Infoway. Evaluations of several HHM programs demonstrated high levels of patient satisfaction, reduced emergency department visits, health system cost savings, and improved patient self-care and quality of life. Optimizing referral rates and expanding HHM programs to include a wider range of chronic conditions are opportunities for future growth, with sustainability dependent on securing long-term funding sources.

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,372

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0020,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,363
Écart entre enseignants0,314 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealth Reform Observer - Observatoire des Réformes de SantéMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207