MétaCan
Menu
Retour à la cohorte
Enregistrement W4414910254 · doi:10.3390/healthcare13192533

Traveling Towards Timeliness: The Association Between Travel Time and Wait Time for Rheumatoid Arthritis Care

2025· article· en· W4414910254 sur OpenAlexafffund
Xiaoxiao Liu, Alka Patel, Judy Seidel, Dianne Mosher, John Hagens, Deborah A. Marshall

Notice bibliographique

RevueHealthcare · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueHealthcare Systems and Technology
Établissements canadiensUniversity of CalgaryAlberta Health Services
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésInterquartile rangeTriageRheumatoid arthritisCohortOddsPrimary careIncidence (geometry)Odds ratio

Résumé

récupéré en direct d'OpenAlex

Objectives: The aim was to measure wait times for rheumatologist consultation and disease-modifying antirheumatic drug (DMARD) treatment and examine their association with travel time to primary care practitioners (PCP) and rheumatologists within a centralized intake system, respectively. Methods: Within a centralized intake system serving 4.2 million people, we measured wait time for rheumatologist consultations and DMARD treatment for an RA incidence cohort between 1 April 2015 and 31 March 2020. Wait times were reported as the median with the interquartile range (IQR). Using multivariate logistics regression models, we examined the impact of travel times to primary/rheumatology care on wait times for rheumatologist consultation (28-day benchmark) and DMARD treatment (14-day benchmark). Travel times were defined according to quantiles and pre-defined categories. Results: The median wait time was 47 days (IQR: 18–114) for rheumatologist consultations (36% meeting the benchmark) and 35 days (IQR: 1–132) for DMARD treatment (43% meeting the benchmark). Patients living >120 min away had lower odds of meeting the 28-day consultation benchmark compared with those within 30 min (OR 0.64; 95% CI: 0.42–0.97). Compared with patients driving ≤30 min, lower odds of meeting the 14-day benchmark for DMARD treatment were observed for those driving over 60 min to PCPs (OR 0.62; 95% CI: 0.39–0.99) and patients driving 30–60 min to rheumatologists (OR 0.68; 95% CI: 0.55–0.85). Conclusion: RA management was suboptimal due to low rates of meeting RA consultation and treatment benchmarks, which was significantly associated with long travel times to both primary and RA care within a centralized triage system. This highlights the need for complementary strategies (e.g., tele-rheumatology, travel support, or alternate care providers) to ensure timely RA care in rural and remote communities.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,015
Tête enseignante GPT0,262
Écart entre enseignants0,247 · 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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealthcareMême sujetHealthcare Systems and TechnologyTravaux en français237 207