Consumer Reported Care Deferrals Due to the COVID-19 Pandemic, and the Role and Potential of Telemedicine: Cross-Sectional Analysis
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic forced many health systems to proactively reduce care delivery to prepare for an expected surge in hospitalizations. There have been concerns that care deferral may have negative health effects, but it is hoped that telemedicine can provide a viable alternative. OBJECTIVE: This study aimed to understand what type of health care services were being deferred during the COVID-19 pandemic lockdown, the role played by telemedicine to fill in care gaps, and changes in attitudes toward telemedicine. METHODS: We conducted a cross-sectional analysis of survey responses from 1694 primary care patients in a mid-sized northeastern city. Our main outcomes were use of telemedicine and reports of care deferral during the shutdown. RESULTS: Deferred care was widespread-48% (n=812) of respondents deferred care-but it was largely for preventive services, particularly dental and primary care, and did not cause concerns about negative health effects. In total, 30.2% (n=242) of those who delayed care were concerned about health effects, with needs centered around orthopedics and surgery. Telemedicine was viewed more positively than prior to the pandemic; it was seen as a viable option to deliver deferred care, particularly by respondents who were over 65 years of age, female, and college educated. Mental health services stood out for having high levels of deferred care. CONCLUSIONS: Temporary health system shutdowns will give rise to deferred care. However, much of the deferrals will be for preventive services. The effect of this on patient health can be moderated by prioritizing surgical and orthopedic services and delivering other services through telemedicine. Having telemedicine as an option is particularly crucial for mental health 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 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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».