MétaCan
Menu
Retour à la cohorte
Enregistrement W2884637721 · doi:10.2196/medinform.9495

Using an Internet-Based Hospital to Address Maldistribution of Health Care Resources in Rural Areas of Guangdong Province, China: Retrospective and Descriptive Study

2018· article· en· W2884637721 sur OpenAlexvenueno aff
Cui He, Qiru Zhou, Wei Chen, Lihua Zhou, Hong Peng, Shuo Luan, Shengfei Wang

Notice bibliographique

RevueJMIR Medical Informatics · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedical prescriptionMedicineTelemedicineChinaHealth careFamily medicinePharmacyRural areaMedical emergencyNursingGeography

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Health care maldistribution is a long-term problem in China. Telemedicine is an efficient way to deliver medical resources to remote areas; however, there are few studies on the effectiveness and challenges in providing health care from rural to urban areas in China. OBJECTIVE: The objective was to describe the effectiveness and challenges of telemedicine for providing health care from Guangzhou to rural areas in Guangdong Province. METHODS: We designed surveys and conducted them immediately after the consultation and 2-4 weeks later. Data were collected from June 2015 to May 2016 including patients' demographic features, patient satisfaction, medicine effect, patient compliance, acceptability of prescription expenses, patients' desire to revisit the department, the top 10 diseases, and self-reported difficulties in telemedicine experience. The monthly average prescription expense was described using a line chart. The monthly consultation and prescription, as well as monthly prescriptions of Western medicines and herbs, were described using a bar chart. RESULTS: Women comprised majority (45,386/67,740, 67.00%) of participants and men comprised the minority (22,354/67,740, 33.00%). The top 3 diseases were upper respiratory diseases (12,371/36,311, 34.07%), laryngopharyngitis (4938/36,311, 13.60%), and menstrual disorders (4669/36,311, 12.86%). The monthly prescription for Western medicine was much more than that for Chinese herbs. The annual average medicine expense per prescription was 62.9 ¥. The participants' perception of expense was acceptable (8775/12,450, 70.48%), mostly acceptable (2497/12,450, 20.01%), accepted but somewhat expensive (980/12,450, 7.9%), and unacceptable because of high cost (198/12,450, 1.6%). The surveys on patient satisfaction demonstrated very satisfied (55,687/67,740, 82.21%), satisfied (5891/67,740, 8.70%), basic satisfaction (3561/67,740, 5.26%), dissatisfaction (1454/67,740, 2.15%), and no comment (1147/67,740, 1.69%). Participants reported their treatment outcome as follows: full recovery (5008/12,450, 40.22%), recovering (4873/12,450, 39.14%), no effect (2153/12,450, 17.29%), or worsening (416/12,450, 3.3%). Approximately 89.01% (20,240/22,740) of participants will revisit the department, whereas 10.99% (2500/22,740) will not. Most patients complied with the doctors' advice completely (5430/10,290, 52.77%), whereas the rest reported partial compliance (3684/10,290, 35.80%) or no compliance at all (1176/10,290, 11.43%). The participants reported poor computer skills (4980/22,740, 21.90%), transportation inconvenience (4670/22,740, 20.50%), unstable internet connection (3820/22,740, 16.80%), language barriers (3708/22,740, 16.30%), medication and medical hardware shortage (2459/22,740, 10.82%), tiring commute (2068/22,740, 9.08%), family care burdens (679/22,740, 3.0%), and other unclassified difficulties (356/22,740, 1.6%) as difficulties in using telemedicine. CONCLUSIONS: Telemedicine has a wide disease spectrum, similar to ordinary medicine in China. It saves costs, has high patient satisfaction and price acceptability, and can relieve disease and syndromes. However, certain problems need to be resolved. Telemedicine could be a feasible approach to address the health care maldistribution in rural China. This study may provide useful information for policy making and guidance for further telemedicine practice in China and other developing countries.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,443

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,371
Écart entre enseignants0,343 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations27
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical InformaticsMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207