Wait times and patient throughput after the implementation of a novel model of virtual care in an outpatient neurology clinic: A retrospective analysis
Notice bibliographique
Résumé
INTRODUCTION: Neurology wait times - from referral to consultation - continue to grow, leading to various adverse effects on patient outcomes. Key elements of virtual care can be leveraged to improve efficiency. This study examines the implementation of a novel virtual care model - Virtual Rapid Access Clinics - at the Neurology Centre of Toronto. The model employs a patient-centred care workflow, involving multidisciplinary staff and online administrative tools that are synthesized to expedite care and maintain quality. METHODS: Virtual Rapid Access Clinic efficacy was studied by determining average wait times and patient throughput, calculated from anonymous data that was extracted from the clinic patient database (n = 1542). Comparative analysis focused on new patient consultations during the 12-month periods prior to (pre-Virtual Rapid Access Clinic, n = 456) and following (post-Virtual Rapid Access Clinic, n = 1086) Virtual Rapid Access Clinic implementation. RESULTS: After Virtual Rapid Access Clinic implementation, there was a mean 15-day wait time reduction, and a monthly average 52-patient increase in patient throughput. Wait time reductions and increased patient throughput were observed in all three Virtual Rapid Access Clinic sub-clinics - epilepsy, headache and concussion. Respectively, average wait times reduced significantly by 26.4 and 18.9 days and insignificantly by 1.1 days; monthly average patient throughputs increased by 235%, 95% and 161%. DISCUSSION: These findings demonstrated that the Virtual Rapid Access Clinic model of care is effective at reducing patient wait times and increasing patient throughput. While the Virtual Rapid Access Clinic presents a feasible model both during and after pandemic restrictions, further research exploring its scalability in other care contexts, potential changes in care quality and efficiency outside of pandemic restrictions must be performed.
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 | 0,002 | 0,006 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».