MétaCan
Menu
Retour à la cohorte
Enregistrement W4413015102 · doi:10.1016/j.aed.2025.08.002

Triage to Advice Only for Referring Providers: A Pilot Project Using Formal Consensus Methods to Establish Appropriate Patients for Electronic Consultations

2025· article· en· W4413015102 sur OpenAlexafffund
Heather Lochnan, Geetha Mukerji, Christopher Tran, Susan Humphrey‐Murto

Notice bibliographique

RevueAACE Endocrinology and Diabetes · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueHealthcare Systems and Technology
Établissements canadiensWomen's College HospitalUniversity of TorontoOttawa HospitalCentre for Social InnovationUniversity of Ottawa
Organismes subventionnairesOttawa HospitalWomen's College Hospital
Mots-clésTriageAdvice (programming)Medical emergencyMedicineMedical physicsNursingComputer science

Résumé

récupéré en direct d'OpenAlex

Background: Access to equitable, timely consultations by Endocrinologists remains problematic, requiring optimization of referral pathways to ensure rapid advice and reduce wait times. Objective: Our goal was to develop consensus amongst endocrinologists regarding referral scenarios that are most amenable to advice only (eConsultation) using formal consensus methods and to examine consistency across 2 distinct divisions of Endocrinology. Methods: Using the nominal group technique, members of the Division of Endocrinology at site 1, generated 58 clinical scenarios considered appropriate for advice back to the referring provider in place of an in person visit. A Modified Delphi process was conducted to indicate the level of agreement for each scenario. The rating scale included 5 items; strongly disagree, disagree, neutral, agree or strongly agree on whether the scenario is suitable for eConsultation. Three Modified Delphi rounds were conducted independently at 2 divisions of Endocrinologists at academic institutions in different cities and compared to identify areas of consensus or no consensus. We defined consensus as 70% or more of participants selected agree or strongly agree and fewer than 20% selected disagree or strongly disagree. Results: At site 1, among 12 initial respondents, consensus was obtained for 45 items (78%), of which 38 items were voted appropriate for eConsultation, 7 items were voted as not appropriate, and 13 had no consensus. At the second site, among 13 initial respondents, consensus was reached for 48 items (83%) of which 34 were voted as appropriate while 14 were considered not appropriate for eConsultation and no consensus was found for 10 items. Major discordance between sites occurred for only 2 items. Conclusion: There was a high degree of consensus at 2 academic medical centers identifying clinical scenarios appropriate for advice back/eConsultation in place of an appointment utilizing a Modified Delphi process. Identifying scenarios with consensus supports consistent decision making for eConsultation among clinicians involved in triaging referrals for ambulatory care Endocrinology.

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)0,112
score de la tête « metaresearch » (Gemma)0,115
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,112
Score d'incertitude au seuil0,594

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1120,115
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0070,003
Communication savante0,0020,004
Science ouverte0,0030,007
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,038
Tête enseignante GPT0,350
Écart entre enseignants0,312 · 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'étudeEssai non randomisé
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
Publié2025
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueAACE Endocrinology and DiabetesMême sujetHealthcare Systems and TechnologyTravaux en français237 207