A retrospective analysis of the use of electronic consultation in general internal medicine
Notice bibliographique
Résumé
BACKGROUND: General internists in Canada are subspecialty providers in the inpatient and outpatient settings. Electronic consultations (eConsult) allow primary care providers (PCPs) to virtually consult specialists to address clinical questions. There is a paucity of literature examining the utility and benefits of eConsults by general internists. AIMS: To determine how an eConsult service is used to access general internists. METHODS: A retrospective cross-sectional analysis of internal medicine cases was completed between 1 January 2016 and 31 December 2019 via the ChamplainBASE eConsult service. Two authors derived and validated a general internal medicine (GIM)-specific taxonomy using the validated: (i) Taxonomy of Generic Clinical Questions; and (ii) Internal Classification for Primary Care. Two hundred seventy-six cases were coded following taxonomy validation. ChamplainBASE utilisation summary and closeout survey data were also analysed. RESULTS: eConsults were responded to in a median of 3.1 days and took 15 min to complete. The eConsult's helpfulness and educational value were rated as 4 to 5/5 and often provided advice for a new or additional course of action. In-person referral was avoided in 40% of cases. The majority of eConsults consisted of a single question (88%) related to diagnostic clarification. The median remuneration per eConsult was $50. CONCLUSIONS: The majority of eConsults to general internists sought diagnostic clarification and confirmed the view of general internists as expert diagnosticians. eConsults cost less than an in-person consultation and were viewed favourably by PCPs. Further research can consider the eConsult provider experience and whether eConsults should become a required part of GIM ambulatory practice.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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) | 0,001 | 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 ».