Specialty-specific Evaluation of Virtual care Outcomes: A retrospective QUality and safety analysis (S-EVOQUe)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The objective was to compare specialty-specific 7- and 30-day outcomes between virtual care visits and in-person visits which occurred during the SARS-CoV-2 pandemic. Using administrative data from provincial databases in Ontario, ambulatory care visits occurring virtually and in-person during specific timeframes within the pandemic were analyzed. Virtual care visits were matched with corresponding in-person visits based on multiple baseline patient characteristics. We assessed short-term patient outcomes at 7 and 30 days, including subsequent visits, hospital and ICU admissions, surgeries, and mortality and compared them using multivariate logistic regression. Odds ratios were calculated as measures of association between populations. For statistical significance, we used 99% confidence intervals to account for the increased likelihood of chance findings due to the multiple comparisons conducted. Overall, 9,340,519 visits were compared between populations using a 1:1 match on a 20% random sample of the available eligible visits. Over 70% of patients included were seen by a General Practitioner. With few exceptions and across almost all specialties, revisits, ED visits, admissions, ICU and OR use, and mortality were found to be more frequent for patients seen in person. When using the administrative data available to policy makers, there is no evidence to suggest that, in the short-term, virtual care is less safe than in person care. The causes for worse in-person outcomes are not yet clear although are likely related to the streaming of more acutely unwell patients towards in-person care.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 découle