Improving the Referral Process, Timeliness, Effectiveness, and Equity of Access to Specialist Medical Services Through Electronic Consultation: Pilot Study (Preprint)
Notice bibliographique
Résumé
<sec> <title>BACKGROUND</title> Access to specialty care remains a major challenge in the Canadian health care system. Electronic consultation (eConsult) services allow primary care providers to seek specialist advice often without needing the patient to go for a face-to-face consultation. It improves overall access to specialists and the referral process using an electronic care consultation service in urban and rural primary care clinics. This study describes the preliminary results of a pilot study with an eConsult service across 3 regions in the province of Quebec, Canada. </sec> <sec> <title>OBJECTIVE</title> The main objective of this study was to provide a 1-year snapshot of the implementation of the eConsult Quebec Service in rural and urban primary care clinics to improve access to care and the specialty referral process for primary care providers (PCPs). </sec> <sec> <title>METHODS</title> We established an eConsult service that covers urban and rural communities in 3 regions of Quebec. We conducted a quantitative analysis of all eConsult cases submitted from July 4, 2017, to December 8, 2018. </sec> <sec> <title>RESULTS</title> For over a year, 1016 eConsults have been generated during the course of this study. A total of 97 PCPs submitted requests to 22 specialty groups and were answered by 40 different specialists. The most popular specialty was internal medicine (224/1016, 22%). Overall, 63% (640/1016) of completed cases did not require a face-to-face visit. PCPs rated the service as being of high or very high value for themselves in 98% (996/1016) of cases. </sec> <sec> <title>CONCLUSIONS</title> The preliminary data highlight the success of the implementation of the eConsult Quebec Service across 6 primary care clinics. The eConsult platform proves to be effective, efficient, and well received by both patients and physicians. If used more widely, eConsult could help reducing wait times significantly. Recently, the Ministry of Health and Social Services of Quebec has identified developing a strategic plan to scale eConsults throughout other regions of the province as a top priority. </sec>
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».