MétaCan
Menu
Retour à la cohorte
Enregistrement W4323655453 · doi:10.12927/hcpol.2023.27036

Nursing Home Residents’ Use of Radiography in New Brunswick: A Case for Mobile Radiography?

2023· article· en· W4323655453 sur OpenAlexaffvenueabout
Eric Plant, Rose McCloskey, Isdore Chola Shamputa, Kavish Chandra, Paul Atkinson, Jacqueline Fraser, Tushar Pishe, Patrick Price

Notice bibliographique

RevueHealthcare policy · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensUniversity of New BrunswickDalhousie UniversitySaint John Regional Hospital
Organismes subventionnairesnon disponible
Mots-clésSAFERRadiographyEmergency departmentMedicineMedical emergencyNursingComputed tomographyMedical physicsRadiologyComputer science

Résumé

récupéré en direct d'OpenAlex

Introduction: Identifying ways to eliminate unnecessary transfer of nursing home (NH) residents to hospitals provides an opportunity to improve outcomes and use scarce healthcare resources more efficiently. This study's goal was to better understand where NH residents access X-ray (XR) and computed tomography (CT) scans and to determine if there was a case for mobile radiography policies in New Brunswick. Methods: A retrospective analysis of all the visits to the emergency department (ED) and outpatient imaging departments in two hospitals in Saint John, New Brunswick, in 2020, that involved XR or CT investigations was conducted. Results: There were 521 visits by 311 unique NH residents and 920 investigations (688 XR and 232 CT scans). Most investigations were ordered in the ED (696 of 920; 75.6%; confidence interval: 72.8-78.3%). Of the NH residents who visited the ED and received either an XR or a CT scan, 33.2% received only XR imaging and were discharged back to the NH after a mean ED stay of 5.15 hours. Discussion: The pattern of NH residents' use of the ED for their imaging needs supports the creation of mobile XR policies to deliver more safe and efficient care in a Canadian medium population urban centre.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,223

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,002
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,102
Tête enseignante GPT0,456
Écart entre enseignants0,354 · 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'étudeObservationnel
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

Citations1
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare policyMême sujetGeriatric Care and Nursing HomesTravaux en français237 207