Analyse d’un mécanisme de réorientation des patients présentant des problématiques de santé moins urgentes ou non urgentes de l’urgence vers les ressources de soins primaires
Notice bibliographique
Résumé
Problématique : L’accessibilité à des soins de santé de qualité se trouve au cœur des objectifs gouvernementaux en matière de santé. Elle demeure toutefois, et ce depuis de nombreuses années, un point faible de notre réseau bien qu’au cours des cinquante dernières années, de nombreuses recommandations aient été faites afin d’améliorer notre système de santé. Les commissions Castonguay-Nepveu (1967), Rochon (1988) et Clair (2000) ont notamment mis de l’avant l’importance d’améliorer l’accessibilité aux soins de première ligne afin d’offrir de meilleurs soins à l’ensemble de la population. Le problème persiste néanmoins depuis tout ce temps et contribue à l’engorgement des urgences, où plus de 60% des visites sont effectuées par des patients ayant des problématiques de santé considérées comme moins urgentes et non urgentes (Commissaire à la santé et au bien-être, 2016). Parmi les différentes solutions possibles avancées pour désengorger les urgences, la réorientation d’une portion de cette clientèle vers les ressources de première ligne est une des solutions déjà implantées dans plus de la moitié des urgences du Québec (Commissaire à la santé et au bien-être, 2016). Aucune étude, jusqu’à présent, n’a documenté les différents mécanismes de réorientation présents au Québec ni analysé leur fonctionnement. But : Ce mémoire vise donc à documenter et analyser le processus par lequel les patients présentant des problématiques de santé moins urgentes ou non urgentes sont redirigés vers des ressources de soins primaires dans un département d’urgence de la région métropolitaine. Méthodologie : Le devis retenu pour cette étude est un devis qualitatif par étude de cas avec un échantillonnage par choix raisonné composé de cinq personnes provenant d’un département d’urgence (trois infirmières, un gestionnaire infirmier et un médecin). Les résultats ont, par la suite, été analysés en fonction du Patient Care Delivery Model (O’Brien-Pallas, Meyer, Hayes & Wang, 2011) et d’une analyse logique du mécanisme de réorientation étudié. Résultats et discussion : Bien qu’il ait certaines limites évidentes, ce mécanisme de réorientation est apprécié par l’équipe de l’urgence de ce centre où de nombreux effets positifs ont été perçus notamment une diminution du nombre de patients dans la salle d’attente, une diminution du temps d’attente et une diminution perçue de la charge de travail du côté des infirmières du triage. Les différents membres de l’équipe s’entendent pour dire qu’il est sécuritaire et qu’il a permis d’atteindre les objectifs fixés par l’administration. Ce mécanisme pourrait être amélioré, adapté et transféré à d’autres ressources de santé afin d’améliorer la qualité des soins à la population. D’autres études seront cependant nécessaires pour comparer celui-ci à d’autres présents dans la province, mesurer leurs effets et pour ajouter les perceptions des acteurs de soins primaires et la perspective du patient.. Conclusion : Ce mécanisme représente un changement de mentalité au sein des départements d’urgence, passant d’une prise en charge complète des patients se présentant à l’urgence par les médecins d’urgence à une collaboration interprofessionnelle permettant de répartir la prise en charge sur davantage d’acteurs du réseau afin d’améliorer les soins à la population.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 ».