Effects of COVID-19 on Irish general practice activity from 2019 to 2021: a retrospective analysis of 500,000 consultations using electronic medical record data
Notice bibliographique
Résumé
BACKGROUND: General practice (GP) is crucial to primary care delivery in the Republic of Ireland and is almost fully computerised. General practice teams were the first point of contact for much COVID-19-related care and there were concerns routine healthcare activities could be disrupted due to COVID-19 and related restrictions. AIMS: The study aimed to assess effects of the pandemic on GP activity through analysis of electronic medical record data from general practice clinics in the Irish Midwest. METHODS: A retrospective, descriptive study of electronic medical record data relating to patient record updates, appointments and medications prescribed across 10 GP clinics over the period 2019-2021 inclusive. RESULTS: Data relating to 1.18 million record transactions for 32 k patients were analysed. Over 500 k appointments were examined, and demographic trends presented. Overall appointment and prescribing activity increased over the study period, while a dip was observed immediately after the pandemic's arrival in March 2020. Delivery of non-childhood immunisations increased sixfold as a result of COVID-19, childhood immunisation activity was maintained, while cervical smears decreased in 2020 as the screening programme was halted. A quarter of consultations in 2020 and 2021 were teleconsultations, and these were more commonplace for younger patients. CONCLUSIONS: General practice responded robustly to the pandemic by taking on additional activities while maintaining routine services where possible. The shift to teleconsulting was a significant change in workflow. Analysing routinely collected electronic medical record data can provide valuable insights for service planning, and access to these insights would be beneficial for future pandemic responses.
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 | 0,009 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».