MétaCan
Menu
Retour à la cohorte
Enregistrement W4306404311 · doi:10.13162/hro-ors.v10i2.4833

Empowering Patient Self-Management: A Community Paramedicine Model of Care in Ontario

2022· article· en· W4306404311 sur OpenAlexaffvenueabout
Sarah Turner

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-clésGovernment (linguistics)Health careBusinessMedicineNursingVariety (cybernetics)Community healthChronic careInvestment (military)Chronic diseaseFamily medicinePublic healthEconomic growthPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Community Paramedicine Remote Patient Monitoring (CPRPM) was launched in Ontario in April 2015 to address high health system usage in vulnerable patients living with chronic disease. CPRPM expands on the home visit model of community paramedicine (CP) to bridge gaps in patient care and address inefficiencies in resource utilization. At patient and systems levels, CPRPM aims to promote patient self-management of chronic diseases. Several reports driving the development of the Ontario Seniors Strategy, which include key recommendations for expanding CP programs, provided the impetus for government to deliver on their electoral platform promise to increase health care spending. The Local Health System Integration Act, 2006 gave Local Health Integration Networks the authority to make home and community care services accessible to Ontario residents, including the supplies and equipment required by patients and their caregivers to support their care at home. Outcome measures of CPRPM point to positive benefits for encouraging patient self-management of chronic diseases and reducing health system strain, with a return on investment of 542%. The variety of options for patient interaction and ability to lessen health system burden makes CPRPM a desirable model of 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 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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,096
Score d'incertitude au seuil0,696

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,003
Communication savante0,0030,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,050
Tête enseignante GPT0,342
Écart entre enseignants0,292 · 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'étudeSans objet
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