MétaCan
Menu
Retour à la cohorte
Enregistrement W4404807316 · doi:10.1370/afm.22.s1.7131

Comparing impact of a holistic patient centered navigation model to an online navigation service on health care utilization

2024· article· en· W4404807316 sur OpenAlexaboutno aff
Adiba Mahbub

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Healthcare and Medical Tourism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésService (business)Computer scienceHealth careHuman–computer interactionBusiness

Résumé

récupéré en direct d'OpenAlex

Context Social prescribing has been linked to better access, improved health and wellbeing, and decreased health care utilization (HCU). However, very few randomized controlled trials have been conducted and have not assessed HCU. Objective We aim to compare the effects of two social prescribing (SP) lay navigation models on HCU in a randomized controlled trial. Population Primary care providers in 12 Ottawa and Sudbury (Ontario, Canada) practices referred their patients with health or social needs to access needed SP services. Study design/intervention These Patients were randomized to either receive the Access to Resources in the Community (ARC) SP navigation service; a holistic, patient-centered navigation services, or the provincially funded Ontario-211 online/telephone information and remote navigation SP services. Dataset Of the 326 enrolled patients, 150 consented and had their data successfully linked to health administrative data housed at ICES (ARC=83, Ontario-211: 67). Outcome Measures We compared the pre (Year -1/-2) - post (Year 0 and Year +1) differences in the number of outpatient and primary care visits in the ARC and 211 arms using linear regressions. We compared the odds ratio of patients having >1 emergency department (ER) visit and >1 hospitalization in the post-intervention years (Year 0 and Year +1) in the ARC and 211 arms using logistic regressions, while adjusting for pre-intervention HCU. Regression models were all adjusted with sociodemographic covariates. Results The adjusted 211-ARC difference (95% confidence interval (CI)) in outpatient visits was 1.0 (-1.6, 3.5) in Year 0 and 2.4 (-0.3, 5.1) in Year +1, and in primary visits was 0.7 (-0.6, 1.9) in Year 0 and 1.0 (-0.6, 2.6) Year +1; both in favour of the ARC. The odds ratio (95 CI) of ARC relative to 211 for ER visits was 0.7 (0.3, 1.5) in Year 0 and 1.7 (0.7, 4.1) in Year +1, and for hospitalizations was 1.2 (0.4, 3.3) in Year 0 and 1.8 (0.5, 6.8) in Year +1 in favour of ARC. Conclusions There was a trend for reduced HCU for patients in the ARC arm, although these results were not statistically significant. This study suggests that the ARC holistic patient navigation approach may be beneficial in reducing HCU and warrants further investigation with larger sample sizes.

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)0,004
score de la tête « metaresearch » (Gemma)0,013
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,155

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,005
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,352
Tête enseignante GPT0,544
Écart entre enseignants0,191 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGlobal Healthcare and Medical TourismTravaux en français237 207