Telemedicine successfully engages marginalized rural hepatitis C patients in curative care
Notice bibliographique
Résumé
Background: Rurally located individuals living with hepatitis C virus (HCV) face barriers to engagement and retention in care. Telemedicine technologies coupled with highly curative direct acting antiviral (DAA) treatments may increase accessibility to HCV care while achieving high sustained virologic response (SVR) rates. We compared clinical and socio-economic characteristics, SVR, and loss to follow-up among telemedicine (TM), mixed delivery (MD), and outpatient clinic (OPC) patients receiving care through The Ottawa Hospital Viral Hepatitis Program (TOHVHP). Methods: TOHVHP clinical database was used to evaluate patients engaging HCV care between January 1, 2012, and December 31, 2016. SVR rates by HCV care delivery method (TM versus OPC versus MD) were calculated. Results: Analysis included 1,454 patients who engaged with TOHVHP at least once. Patients were aged almost 50 years on average and were predominately male and Caucasian. A greater proportion of TM patients were rurally based, were Indigenous, had a history of substance use, and had previously been incarcerated. Per-protocol DAA SVR rates for TM, OPC, and MD patients were 100% (26/26), 93% (440/472), and 94% (44/47), respectively. Loss-to-follow-up rates for HCV-treated TM and MD patients were higher (27% [10/37], 95% CI 0.58 to 0.88, and 11% [7/62], 95% CI 0.81 to 0.97, respectively) than for those followed exclusively in the OPC (5% [39/800], 95% CI 0.94 to 0.97). Conclusions: TM can successfully engage, retain, and cure rurally based HCV patients facing barriers to care. Strategies to improve TM retention of patients initiating HCV antiviral treatment are key to optimizing the impact of this model of 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 | 0,000 | 0,008 |
| 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 | 0,001 |
| 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 ».