MétaCan
Menu
← Retour à la cohorte
Enregistrement W4400650380 · doi:10.2196/preprints.50483

Cost Evaluation of the Ontario Virtual Urgent Care Pilot Program: Population-Based, Matched Cohort Study (Preprint)

2023· preprint· en· W4400650380 sur OpenAlexaboutno aff
Jean‐Éric Tarride, Justin N. Hall, Shawn Mondoux, Katie N. Dainty, Joy McCarron, J. Michael Paterson, Lesley Plumptre, Emily Borgundvaag, Howard Ovens, Shelley McLeod

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineHealth carePopulationMedical emergencyCohortEmergency medicineReferralFamily medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND In 2020, the Ministry of Health (MoH) in Ontario, Canada, introduced a virtual urgent care (VUC) pilot program to provide alternative access to urgent care services and reduce the need for in-person emergency department (ED) visits for patients with low acuity health concerns. OBJECTIVE This study aims to compare the 30-day costs associated with VUC and in-person ED encounters from an MoH perspective. METHODS Using administrative data from Ontario (the most populous province of Canada), a population-based, matched cohort study of Ontarians who used VUC services from December 2020 to September 2021 was conducted. As it was expected that VUC and in-person ED users would be different, two cohorts of VUC users were defined: (1) those who were promptly referred to an ED by a VUC provider and subsequently presented to an ED within 72 hours (these patients were matched to in-person ED users with any discharge disposition) and (2) those seen by a VUC provider with no referral to an in-person ED (these patients were matched to patients who presented in-person to the ED and were discharged home by the ED physician). Bootstrap techniques were used to compare the 30-day mean costs of VUC (operational costs to set up the VUC program plus health care expenditures) versus in-person ED care (health care expenditures) from an MoH perspective. All costs are expressed in Canadian dollars (a currency exchange rate of CAD $1=US $0.76 is applicable). RESULTS We matched 2129 patients who presented to an ED within 72 hours of VUC referral and 14,179 patients seen by a VUC provider without a referral to an ED. Our matched populations represented 99% (2129/2150) of eligible VUC patients referred to the ED by their VUC provider and 98% (14,179/14,498) of eligible VUC patients not referred to the ED by their VUC provider. Compared to matched in-person ED patients, 30-day costs per patient were significantly higher for the cohort of VUC patients who presented to an ED within 72 hours of VUC referral ($2805 vs $2299; difference of $506, 95% CI $139-$885) and significantly lower for the VUC cohort of patients who did not require ED referral ($907 vs $1270; difference of $362, 95% CI 284-$446). Overall, the absolute 30-day costs associated with the 2 VUC cohorts were $18.9 million (ie, $6.0 million + $12.9 million) versus $22.9 million ($4.9 million + $18.0 million) for the 2 in-person ED cohorts. CONCLUSIONS This costing evaluation supports the use of VUC as most complaints were addressed without referral to ED. Future research should evaluate targeted applications of VUC (eg, VUC models led by nurse practitioners or physician assistants with support from ED physicians) to inform future resource allocation and policy decisions.

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)0,005
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,165
Score d'incertitude au seuil0,331

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,114
Tête enseignante GPT0,382
Écart entre enseignants0,268 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEmergency and Acute Care Studies→Travaux en français237 207→