Escalation Pathways of Remote Patient Monitoring Programs for COVID-19 Patients in Canada and the United States: A Rapid Review
Notice bibliographique
Résumé
Introduction : During the COVID-19 pandemic, hospitals in North America were overwhelmed with COVID-19 patients and had limited capacity to admit patients. Remote patient monitoring (RPM) programs were developed to monitor COVID-19 patients at home and reduce disease transmission and the demand on hospitals. A critical component of RPM programs is effective escalation pathways. The purpose of this review is to synthesize the implementation of escalation pathways of RPM programs for COVID-19 patients in Canada and the United States. Methods: The search identified 563 articles from Embase, PubMed, and Scopus. Following title and abstract screening, 131 were selected for full-text review, and 26 articles were included. Data were extracted on study location, patient eligibility and program size, data collection, monitoring team, escalation criteria, and escalation response. Results: The included studies were published between 2020 and 2022; 3 in Canada and 23 in the United States. The RPM programs collected physiological vital signs and symptom data, which were inputted manually by patients and health care workers or synced automatically. Escalations were triggered automatically or following manual review by nurses and physicians when signs and symptoms were concerning or reached a specific threshold. Escalations included emergency department referrals, physician appointments, and increased monitoring. Conclusion: Many decisions are required when designing RPM escalation pathways for patients with COVID-19, which is crucial to promptly address patients’ changing health statuses and clinical needs. Future research is needed to evaluate the effectiveness of escalation pathways for COVID-19 patients through performance metrics and patient and health care worker experience.
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 | 0,013 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,013 | 0,017 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».