Implementation and Utilisation of Telepsychiatry in Ontario: A Population-Based Study
Notice bibliographique
Résumé
OBJECTIVE: Rural areas in Ontario have fewer psychiatrists, making access to specialist mental health care challenging. Our objective was to characterise psychiatrists delivering and patients receiving telepsychiatry in Ontario and to determine the number of patients who accessed a psychiatrist via telepsychiatry following discharge from psychiatric hospitalisation. METHOD: We conducted a serial panel study to evaluate the characteristics of psychiatrists providing telepsychiatry from April 2007 to March 2013. In addition, we conducted a cross-sectional study for fiscal year 2012-2013 to examine telepsychiatry patient characteristics and create an in-need patient cohort of individuals with a recent psychiatric hospitalisation that assessed if they had follow-up with a psychiatrist in person or through telepsychiatry within 1 year of discharge. RESULTS: In fiscal year 2012-2013, a total of 3801 people had 5635 telepsychiatry visits, and 7% ( n = 138) of Ontario psychiatrists provided telepsychiatry. Of the 48,381 people identified as in need of psychiatric care, 60% saw a local psychiatrist, 39% saw no psychiatrist, and less than 1% saw a psychiatrist through telepsychiatry only or telepsychiatry in addition to local psychiatry within a year. Three northern regions had more than 50% of in-need patients fail to access psychiatry within 1 year. CONCLUSIONS: Currently, relatively few patients and psychiatrists use telepsychiatry. In addition, patients scarcely access telepsychiatry for posthospitalisation follow-up. This study, which serves as a preliminary baseline for telepsychiatry in Ontario, demonstrates that telepsychiatry has not evolved systematically to address need and highlights the importance of system-level planning when implementing telepsychiatry to optimise access to care.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».