MétaCan
Menu
Retour à la cohorte
Enregistrement W4416182962 · doi:10.1038/s41746-025-02060-9

Changes in emergency and primary care use after adding virtual physicians to HealthLink BC’s 8-1-1 program

2025· article· en· W4416182962 sur OpenAlexafffundabout
Sonya Cressman, Kurtis Stewart, Frank Scheuermeyer, Lindsay Hedden, Ross Duncan, Linda Riches, Riyad B. Abu‐Laban, D. A. Raff, J. Assali, Helen Novak Lauscher, K. Halani, B. Wong, Sandra Sundhu, Kendall Ho

Notice bibliographique

Revuenpj Digital Medicine · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensBurnaby HospitalMinistry of HealthSimon Fraser UniversityProvidence Health CareMichael Smith Health Research BCUniversity of British ColumbiaUniversity of British Columbia Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchMinistry of Health, British Columbia
Mots-clésTelehealthPrimary careHealth careIntervention (counseling)TelemedicineEmergency departmentPrimary health careService (business)Health services

Résumé

récupéré en direct d'OpenAlex

Health human resource constraints in Canada have left millions of patients without timely access to primary care (PC), leading many to attend emergency departments (ED) to see a doctor. We evaluated changes in service use and costs resulting from the addition of virtual physicians to HealthLink BC's 8-1-1 program. Visits to ED and PC within 30 days and healthcare costs were measured with time series data from 445,630 telehealth users. The virtual physician intervention was associated with 16.14 (p = 0.001, 95% CI = 25.95-6.33) fewer ED visits and 106.14 (p < 0.001, 95% CI = 74.78-137.49) more PC visits in 30 days per 1000 patients. Patients above age 15, without a known chronic illness or existing relationship with a PC provider, had higher PC follow-up and patient-paid medical travel costs; healthcare system costs were neutral over a year. Long-term health outcomes from increased PC follow-up and variability in the amount of medical travel costs paid by patients will be important economic parameters to consider in Canadian health policy evaluations.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,766
Score d'incertitude au seuil0,808

Scores Codex et Gemma par catégorie

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

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 Opus0,024
Tête enseignante GPT0,351
Écart entre enseignants0,327 · 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 tête enseignante, 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
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuenpj Digital MedicineMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207