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
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".