The primary care COVID-19 integrated pathway: a rapid response to health and social impacts of COVID-19
Notice bibliographique
Résumé
BACKGROUND: The first wave of COVID-19 in Calgary, Alberta accelerated the integration of primary care with the province's centrally managed health system. This integration aimed to deliver wraparound in-community patient care through two interventions that combined to create the COVID-19 Integrated Pathway (CIP). The CIP's interventions were: 1) a data sharing platform that ensured COVID-19 test results were directly available to family physicians (FPs), and 2) a clinical algorithm that supported FPs in delivering in-community follow up to improve patient outcomes. We describe the CIP function and its capacity to facilitate FP follow-up with COVID-19 patients and evaluate its impact on Emergency Department (ED) visits and hospitalization. METHOD: We generated descriptive statistics by analyzing data from a Calgary Zone hub clinic called the Calgary COVID-19 Care Clinic (C4), provincially maintained records of hospitalization, ED visits, and physician claims. RESULTS: Between Apr. 16 and Sep. 27, 2020, 7289 patients were referred by the Calgary Public Health team to the C4 clinic. Of those, 48.6% were female, the median age was 37.4 y. 97% of patients had at least one visit with a healthcare professional, where follow-up was conducted using the CIP's algorithm. 5.1% of patients visited an ED and 1.9% were hospitalized within 30 days of diagnosis. 75% of patients had a median of 4 visits with their FP. DISCUSSION: Our data suggest that information exchange between Primary Care (PC) and central systems facilitates primary care-based management of patients with COVID-19 in the community and has potential to reduce acute care visits.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».