MétaCan
Menu
Retour à la cohorte
Enregistrement W4292405788 · doi:10.1177/02646196221117646

Increased quantity and diversity of patient referrals following the introduction of a novel vision rehabilitation model

2022· article· en· W4292405788 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueBritish Journal of Visual Impairment · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueOphthalmology and Visual Impairment Studies
Établissements canadiensHotel Dieu HospitalQueen's University
Organismes subventionnairesnon disponible
Mots-clésReferralMedicineRehabilitationMedical diagnosisPsychological interventionMedical recordFamily medicinePhysical therapyNursing

Résumé

récupéré en direct d'OpenAlex

Despite effective vision rehabilitation (VR) interventions, no gold standard model of care delivery has been established. The institution of the South East Ontario Vision Rehabilitation Service (SOVRS) introduced a centralized intake, an occupational therapist as a systems navigator, and improved communication pathways between low vision services in order to optimize regional VR care. The aim of this study is to compare the SOVRS model of VR to a traditional, hospital-based pre-SOVRS-implementation model using referral data. A single-site (Vision Rehabilitation Clinic at Kingston Health Sciences Center), retrospective medical chart review was performed. Data were gathered from the electronic medical records of patients who received a low vision assessment at the pre-SOVRS-implementation clinic (2017) and the SOVRS clinics (2019). A total of 245 charts were reviewed over the two study periods. There were no significant differences in the age, gender, or diagnoses causing vision loss between 2017 and 2019. One hundred nine incoming referrals were received in 2017, with 136 in 2019, representing a 25% increase in incoming referrals ( p < .001). The proportion of incoming referrals from non-ophthalmologists rose from 3.7% in 2017 to 31.9% in 2019 ( p < .001). The number of outgoing referrals also increased significantly, from 113 outgoing referrals in 2017 to 259 in 2019 ( p < .001), equivalent to a mean of 1.04 ± 0.68 (± standard deviation) outgoing referrals per incoming referral in 2017 and 1.90 ± 0.97 outgoing referrals per incoming referral in 2019. Outgoing service referrals also diversified significantly in 2019 ( p < .001), with more referrals to services such as VR health service organizations and community services. The SOVRS model was able to increase both the quantity and diversity of incoming and outgoing referrals by adopting several key strategies during its development. By expanding referrals, SOVRS increased the services available to patients and enabled a larger population to receive VR care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,321

Scores Codex et Gemma par catégorie

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

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 Opus0,027
Tête enseignante GPT0,340
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