MétaCan
Menu
Retour à la cohorte
Enregistrement W2969565923 · doi:10.2196/13734

Home Virtual Visits for Outpatient Follow-Up Stroke Care: Cross-Sectional Study

2019· article· en· W2969565923 sur OpenAlexafffundabout
Ramana Appireddy, Sana Khan, Chad Leaver, Cally Martin, Albert Jin, Bryce A. Durafourt, Stephen L. Archer

Notice bibliographique

RevueJournal of Medical Internet Research · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensCanada Health InfowayKingston Health Sciences Centre
Organismes subventionnairesQueen's University
Mots-clésMedicineCross-sectional studyRuralityLaptopTelemedicineVideoconferencingHealth careMedical emergencyStroke (engine)MultimediaRural areaComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Timely, in-person access to health care is a challenge for people living with conditions such as stroke that result in frailty, loss of independence, restrictions in driving and mobility, and physical and cognitive decline. In Southeastern Ontario, access is further complicated by rurality and the long travel distances to visit physician clinics. There is a need to make health care more accessible and convenient. Home virtual visits (electronic visits, eVisits) can conveniently connect physicians to patients. Physicians use a secure personal videoconferencing tool to connect to patients in their homes. Patients use their device of choice (smartphone, tablet, laptop, or desktop) for the visit. OBJECTIVE: This study aimed to assess the feasibility and logistics of implementing eVisits in a stroke prevention clinic for seniors. METHODS: A 6-month eVisit pilot study was initiated in the Kingston Health Sciences Centre stroke prevention clinic in August 2018. eVisits were used only for follow-up patient encounters. An integrated evaluation was used to test the impact of the program on clinic workflow and patient satisfaction. Patient satisfaction was evaluated by telephone interviews, using a brief questionnaire. Access and patient satisfaction metrics were compared with concurrent standard of care (patients' prior personal experience with in-person visits). Values are presented as median (interquartile range). RESULTS: There were 75 subjects in the pilot. The patients were aged 65 (56-73.5) years, and 39% (29/75) resided in rural areas. There was a shorter wait for an appointment by eVisit versus in-person (mean 59.98 [SD 48.36] days vs mean 78.36 [SD 50.54] days; P<.001). The eVisit was also shorter, taking on an average of only 10 min to deliver follow-up care with a high degree of patient satisfaction versus 90 (60-112) min for in-person care. The total time saved by patients per eVisit was 80 (50-102) min, 44 (21-69) min of which was travel time. Travel distance avoided by the patients was 30.1 km (11.2-82.2). The estimated total out-of-pocket cost savings for patients per eVisit was Can $52.83 (31.26-94.53). The estimated savings (opportunity cost for in-person outpatient care) for our eVisit pilot project was Can $23,832-$28,584. The patient satisfaction with eVisits was very good compared with their prior personal experience with in-person outpatient care. CONCLUSIONS: The eVisit program was well received by patients, deemed to be safe by physicians, and avoided unnecessary patient travel and expense. It also has the potential to reduce health care costs. We plan to scale the project within the department and the institution.

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)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,060
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,059
Tête enseignante GPT0,443
Écart entre enseignants0,383 · 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.

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

Citations75
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Medical Internet ResearchMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207