P.047 Optimizing workflow of the initial patient visit to the stroke prevention clinic
Notice bibliographique
Résumé
Background: Referrals to the Stroke prevention clinic with incomplete preliminary investigations decrease clinic capacity due to additional workload and the need for follow-ups. We aimed to improve the efficacy of the initial visit by increasing the completion rate of vascular imaging. Methods: Pre-post quasi-experimental study with three phases: Phase 1: Surveillance; Phase 2: Stakeholder feedback-informed intervention development (physicians and clinic staff); and Phase 3: Implementation. Interventions included a new referral order within the provincial EMR; a specific physician triage form listing required investigations (brain imaging, vascular imaging, cardiac tracing); and a nurse-led pre-visit via telephone. The primary outcome measure was the completion of vascular imaging - assessed with multivariable logistic regression Results: The study’s inclusion criteria were met by 383 patients, mean age of 67.6±13.2 years; 49% were female, 62.5% were diagnosed with vascular events. An increase in vascular imaging before the initial visit was found in Phase 3 (139/184, 75.5%) compared to Phase 1 (121/198, 61.1%, Odds ratio 1.96 95% CI 1.3-3.1; p=0.003). Fewer follow-up visits were required in Phase 3 (22.8%) compared to Phase 1 (31.8%, p=0.049). Conclusions: A uniform referral process, a standard triage process, and a nurse-led pre-visit may improve the completion of essential investigations before the patient visit.
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 | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,003 |
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 ».