Assessing Quality of Referrals to a Community-Based Chronic Pain Clinic
Notice bibliographique
Résumé
Introduction: Because patients with chronic pain are complex, with significant medical and psychiatric comorbidities, referrals to specialty pain clinics are often necessary. The present study explores the quality of information submitted and the profile of referring physicians associated with rejected patient referrals by a community pain clinic. Methods: A retrospective cross-sectional study was conducted on a series of consecutive new patient referrals rejected by a noninterventional community pain clinic (November 2021-June 2022). Data were collected on the reasons for rejected referrals and physicians responsible for these referrals using the public database of the College of Physicians and Surgeons of Ontario. Results: During the study period, 120 new referrals made by 99 physicians (88% primary care providers, or PCPs; male : female ratio 1:1.2; 53% Canadian university graduates) were rejected because of inadequate information (62%) or because they were inappropriate (38%). Only 46% of the rejected referrals were resubmitted within a median of 7 days (range 0-96 days) and accepted. Half of the non-resubmitted referrals could have been accepted if the referring provider had sent in the missing information. Conclusion: A significant number of referrals to our pain clinic (primarily from PCPs) are rejected for mainly avoidable reasons. The process of rejected referrals and resubmissions requires 92 to 126 h of additional staff time/year. Without additional health care resources, our study highlights simple but effective improvements in the referral process that could facilitate patient care, avoid unnecessary delays, and decrease possible sources of patient complaints.
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 | 0,024 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».