The Web-Based Physician is Ready to See You: A Nationwide Cross-Sectional Survey of Physicians Using a Mobile Medical App to Evaluate Patients With Sexually Transmitted Diseases in China
Notice bibliographique
Résumé
BACKGROUND: Web-based medical service provision is increasingly becoming common. However, it remains unclear how physicians are responding to this trend and how Web-based and offline medical services are linked. OBJECTIVE: The objectives of this study were to examine physicians' use of mobile medical apps for sexually transmitted disease (STD) consultations and identify the physicians who frequently use mobile medical apps to evaluate patients with STD. METHODS: In August 2017, we conducted a nationwide cross-sectional survey among physicians registered on a mobile medical app in China. We collected data on physicians' demographic information, institutional information, and Web-based medical practices. We compared physicians who used mobile medical apps to evaluate patients with STD frequently (at least once a week) with infrequent users. Bivariate and multivariate logistic regressions were used to identify physicians who frequently evaluated patients with STD on mobile medical apps. RESULTS: A total of 501 physicians participated in the survey. Among them, three-quarters were men and the average age was 37.6 (SD 8.2) years. Nearly all physicians (492/501, 98.2%) recommended their last Web-based patient with STD to subsequently see a physician in the clinic. More than half (275/501, 54.9%) of physicians recommended STD testing to Web-based patients, and 43.9% (220/501) provided treatment advice to patients with STD. Of all physicians, 21.6% (108/501) used mobile medical apps to evaluate patients with STD through Web more than once a week. Overall, 85.2% (427/501) physicians conducted follow-up consultation for patients with STD using mobile medical apps. Physicians working at institutions with STD prevention materials were associated with frequent evaluation of patients with STD on mobile medical apps (adjusted odds ratio=2.10, 95% CI 1.18-3.74). CONCLUSIONS: Physicians use mobile medical apps to provide a range of services, including Web-based pre- and posttreatment consultations and linkage to offline clinical services. The high rates of referral to clinics suggest that mobile medical apps are used to promote clinic-seeking, and not replace it. Physicians' use of mobile medical apps could benefit sexual minorities and others who avoid formal clinic-based services.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».