Using “Big Data” to Provide Insights into Early Adopters of Continuing Professional Development: An Example from Project ECHO
Notice bibliographique
Résumé
INTRODUCTION: Mental health care is often managed in primary care with limited specialist support, particularly in rural and remote communities. Continuing professional development programs (CPD) can offer a potential solution to further mental health training; however, engaging primary care organizations (PCOs) can be challenging. The use of "big data" to identify factors influencing engagement in CPD programs has not been well studied. Therefore, the aim of this project was to use administrative health data from Ontario, Canada to identify characteristics of PCOs associated with early engagement in a virtual CPD program, Project Extension for Community Healthcare Outcomes (ECHO) Ontario Mental Health (ECHO ONMH) . METHODS: Ontario health administrative data for fiscal year 2014 was used to compare the characteristics of ECHO ONMH-adopting PCOs, and their patients, to nonadopter organizations (N = 280 vs. N = 273 physicians). RESULTS: ECHO-adopting PCOs did not differ with respect to physician age or years of practice, although PCOs with more female physicians were somewhat more likely to participate. ECHO ONMH adoption was more likely in regions with lower psychiatrist supply, among PCOs using partial salary payment models, and those with a greater interprofessional complement. Patients of ECHO-adopters did not differ on the basis of gender or health care utilization (physical or mental health); however, ECHO-adopting PCOs tended to have patients with less psychiatric comorbidity. DISCUSSION: Models such as Project ECHO, which deliver CPD to primary care, are advanced to address lack of access to specialist health care. These findings support the use of administrative health data to assess the implementation, spread, and impact of CPD.
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 | 0,019 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».