Urgent Virtual Eye Assessments During the COVID-19 Pandemic
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose: We aimed to evaluate the effectiveness and safety of a virtual eye assessment triage system implemented in response to COVID-19. Patients and Methods: We conducted a retrospective cross-sectional study using a consecutive sample of all virtual assessments conducted from March 24 to June 7, 2020 at a single ophthalmology center in Toronto, ON, Canada. Visual acuity and smartphone photographs were uploaded to an electronic assessment website. All patients were virtually triaged to an email or phone consult. Patient outcomes and satisfaction were assessed with a quality assurance survey. Primary outcome measures were the incidence of unplanned additional in-person visits and changes in treatment. Results: We performed 1535 virtual assessments. Of the triage pathways, 15% received an email consult only and 85% received a phone consult. Subsequently, 15% required an in-person assessment, 3% were referred elsewhere, and 0.1% were sent to the emergency. Presentations were most commonly cornea (52%) and retina (25%). They were non-urgent in 68% of cases and no pharmacologic treatment was required for 49%. Of 397 patients that responded out of 653 patients surveyed, 4% had an unplanned additional visit to the emergency, after which two patients underwent urgent retinal surgery and one patient underwent urgent glaucoma surgery. Two patients (0.5%) had a minor change in treatment. Conclusion: As routine regular in-person visits were not possible during the COVID-19 lockdown, virtual eye assessments provided an opportunity to triage patients. Virtual assessments have the potential to reduce in-person visits, but caution must be exercised to not miss vision-threatening conditions.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 découle