MétaCan
Menu
Retour à la cohorte
Enregistrement W4388735951 · doi:10.1370/afm.22.s1.5074

Challenges and impacts of specialist care wait times identified by family physicians: Results from a cross-sectional survey

2023· article· en· W4388735951 sur OpenAlexaboutno aff
Emily Gard Marshall

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueHealthcare Systems and Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRuralityCross-sectional studyDescriptive statisticsContext (archaeology)Family medicineMedicinePrimary carePopulationGeographyRural areaEnvironmental health

Résumé

récupéré en direct d'OpenAlex

<h3>Context:</h3> Canadians experience longer wait times for specialist referrals compared to other countries, which is a top barrier to health care in Canada and has a negative impact on patient health and quality of life. However, little is known about the impacts on primary care practice. <h3>Objective:</h3> To understand primary care provider (PCP) experiences of long wait times for specialist referrals, and the impacts on PCPs. <h3>Study design and analysis:</h3> A cross-sectional, linked survey was conducted. Descriptive statistics were computed for demographics, and response frequencies were calculated. Open text fields in the survey were thematically analyzed. <h3>Setting:</h3> Surveys were conducted as part of a larger study in Nova Scotia, Canada between 2015 and 2019. Follow-up surveys about specialist wait times were distributed between May and September of 2018. <h3>Population studied:</h3> PCP (i.e., family physician and nurse practitioner) respondents from the larger survey who agreed to participate in this follow-up survey. <h3>Instrument:</h3> Cross-sectional survey tool. <h3>Outcome measures:</h3> How specialist wait times affected primary care practice. <h3>Results:</h3> Of the 566 PCPs invited to take part in the initial survey, 98 (17.3%) agreed to participate in the follow-up survey, and 87 (88.78%) responded to the open-text question. Respondents’ ages ranged from 32 to 72 years, with representation across gender, provider type, practice type, and rurality. Of the 87 respondents, there were 156 responses to the open text question. We identified nine themes: 1) pervasiveness of problematic specialist wait times; 2) managing beyond scope while waiting for specialist care; 3) consequences for patients due to specialist wait times; 4) managing patient expectations while waiting for specialist care; 5) scheduling repeat visits to meet needs of patients; 6) “lost time” to manage patients waiting for specialist access; 7) additional work strategizing ways to access specialist care for patients; 8) provider experience of burnout, frustration and stress due to delayed specialist care; and 9) recommendations for accessing specialist care. <h3>Conclusion:</h3> Long wait times for specialist care in Nova Scotia have negative impacts on both patients and PCPs. Although PCPs took numerous steps to manage their patients in the interim, system-level changes are needed to reduce problematic wait times. These changes could support the health system across the Quintuple Aim.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,301
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

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

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 Opus0,069
Tête enseignante GPT0,306
Écart entre enseignants0,237 · 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 tête enseignante, 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHealthcare Systems and TechnologyTravaux en français237 207