Increased quantity and diversity of patient referrals following the introduction of a novel vision rehabilitation model
Notice bibliographique
Résumé
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.
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 | 0,009 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».