Video Consultations in Primary Care Outside Office Hours
Notice bibliographique
Résumé
Background Out-of-hours primary care (OOH-PC) is facing increasing demands and workload with many negative consequences, including longer waiting time and increased risk of treatment delay and safety incidents. During the COVID-19 pandemic, video consultation (VC) was introduced as an alternative to face-to-face contact. We hypothesize that VC contributes to sustainable OOH-PC by changing patient flows, decreasing workload, and reducing waiting time. Objective This study aims to evaluate the use of video in telephone triage in OOH-PC by studying user rate, the effect on contact patterns, and patient characteristics related to receiving a VC. Methods We conducted a register-based study of VC use in OOH-PC, including all Danish residents contacting OOH-PC in the regions of Central Denmark, Southern Denmark, Northern Denmark, and Zealand. The study population will be followed from birth, immigration, or March 1, 2020 (whichever came last), until death, emigration, or December 31, 2021 (whichever comes first). We will use national registers, linking data with the unique personal identification number. We plan to conduct descriptive analyses, calculating the proportion of VC of all teletriage consultations per month during the study period. We plan to use regression models to measure the association between VC and triage outcome and the association between VC and patient characteristics, calculating risk ratios and 95% CIs. Both crude and mutual adjusted risk ratios for patient characteristics will be presented. Results Data analyses started in May 2022. Conclusions A preliminary conclusion will be presented at the conference. Conflicts of Interest None declared.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».