A RETROSPECTIVE ANALYSIS OF REFERRAL PATTERNS TO A UNIVERSITY ORAL MEDICINE CLINIC
Notice bibliographique
Résumé
Objectives: To assess, characterize and analyze, referral patterns to an Oral Medicine Clinic at the University of Alberta. Emphasis was placed on assessing the types of referrals made by dental and medical practitioners, as well as access to care issues that patients face when receiving Oral Medicine specialty care. Materials and Methods: A retrospective chart review of all Oral Medicine/Oral Pathology specialists at the University of Alberta for the year 2015 was performed. Method analysis: Proportions for data points were collected using a 95% Wilson Score Confidence Interval. Two-sided Fisher’s Exact tests were performed to assess for statistical differences between data when relevant. Results: 924 patients were included in the analysis. Dental practitioners referred cases most frequently (81.4%) with general dentists representing the largest total proportion (74.5%). White/red lesions were the most common reason for referrals (38.0%), with the tongue (21.8%) and gingiva (17.6%) representing the most common locations of issues. There was no significant difference between the accuracy of provisional diagnoses between physicians and dentists, although dentists referred cases urgently more frequently (16.9% of dentist vs 7.0% of physician cases). The experience of dentists did not have any effect on accuracy of provisional diagnoses, however it did affect the type of conditions referred. Immune mediated conditions were the most common final diagnosis, which were 28.7% of cases. The average wait time for patients was 105.5 days. The average distance travelled by patients was 55.44 km. 18.7% of urgent referrals were seen within 2 weeks. Conclusions: Patients often travel long distances and experience extended wait times after referral. There are small differences between the referral patterns of dental and medical practitioners, but increased training and continuing professional development would benefit both groups. This data can be used to develop future curricula for dental students and can aid in developing CE courses for graduated dentists. In summary, this research highlights the need for improvement of access to Oral Medicine care by patients in Edmonton, Alberta.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».