MétaCan
Menu
Retour à la cohorte
Enregistrement W7111241779 · doi:10.1371/journal.pone.0322175.s001

Comprehensive primary care codes.

2025· article· W7111241779 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2025
Typearticle
Langue
DomaineBusiness, Management and Accounting
ThématiqueHealthcare Systems and Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReferralPrimary carePoisson regressionPrimary health careHealth careGeneral practiceCross-sectional studyMedical home

Résumé

récupéré en direct d'OpenAlex

<div> Referrals from primary care physicians (PCPs) to specialists are a key function of the primary care system, enabling access to secondary and tertiary health care services. Since the early 2000s, Ontario has implemented substantial primary care practice reforms, however, PCP referral patterns have not been examined since reforms were implemented. We conducted a cross-sectional study in Ontario analyzing PCPs’ referral patterns to specialists from January 1 to December 31, 2019. Data from physician administrative and Ontario Health Insurance Plan (OHIP) billing databases were linked for 9,301 PCPs practicing comprehensive primary care with 11.8 million patients. We calculated referral rates per physician and built a multivariable Poisson regression model stratified by physician sex, recognizing that female and male PCPs practice primary care differently, to examine the association between PCP’s referral rates and their practice model. Subgroup analyses were conducted for medical, surgical, diagnostics and General Practitioner (GP) focused practice specialties. Overall, PCPs in fee-for-service practice models (females: 0.72, 95% CI 0.71–0.72, males 0.71 95% CI 0.71–0.72) and Family Health Groups (females: 0.90, 95% CI 0.90–0.91, males 0.85 95% CI 0.84–0.85) had lower adjusted relative referral rates compared to those in Family Health Teams (FHTs); a finding that was consistent across medical and surgical specialties. Younger, part-time PCPs, those practicing in urban areas, those with larger roster sizes and those affiliated with a large practice group showed higher adjusted referral rates. Female PCPs tended to be younger (average age 47.2 years vs. 54.1 years for males; SMD=0.56), work part-time (32.1% vs. 17.9% for males; SMD=0.33), had a smaller patient roster (average 1,097.8 rostered patients vs. 1,442.1 for males; SMD=0.44), and had higher unadjusted referral rates to specialists compared to male PCPs (32.9 vs. 29.9 per 100 rostered patients). PCPs’ referral patterns in Ontario vary by practice model and PCP’s sex. Future changes to primary care practices should account for their effects on referral volumes to specialists. </div>

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,773
Score d'incertitude au seuil1,000

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 technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0930,011

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 Opus0,033
Tête enseignante GPT0,267
Écart entre enseignants0,234 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetHealthcare Systems and TechnologyTravaux en français237 207