Assessing cost and cost savings of teleconsultation in long-term care facilities: a time-driven activity-based costing analysis within a value-based healthcare framework
Notice bibliographique
Résumé
BACKGROUND: Quebec's healthcare system faces significant challenges due to labour shortage, particularly in long-term care facilities (CHSLDs). The aging population and increasing demand for services compound this issue. Teleconsultation presents a promising solution to mitigate labour shortage, especially in small CHSLDs outside urban centers. This study aims to evaluate the cost and cost savings associated with teleconsultation in CHSLDs, utilizing the Time-Driven Activity-Based Costing (TDABC) model within the framework of Value-Based Healthcare (VBHC). METHODS: This study focuses on CHSLDs with fewer than 50 beds in remote regions of Quebec, where teleconsultation for nighttime nursing care was implemented. Time and cost data were collected from three CHSLDs over varying periods. The TDABC model, aligned with VBHC principles, was applied through five steps, including process mapping, estimating activity times, calculating resource costs, and determining total costs. RESULTS: Teleconsultation increased the cost per minute for nursing care compared to traditional care, attributed to additional tasks during remote consultations and potential technical challenges. However, cost savings were realized due to reduced need for onsite nursing staff during non-eventful nights. Overall, substantial savings were observed over the project duration, aligning with VBHC's focus on delivering high-value healthcare. CONCLUSIONS: This study contributes both theoretically and practically by demonstrating the application of TDABC within the VBHC framework in CHSLDs. The findings support the cost savings from the use of teleconsultation in small CHSLDs. Further research should explore the long-term sustainability and scalability of teleconsultation across different CHSLD sizes and settings within the VBHC context to ensure high-value healthcare delivery.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».