Telehealth Demand Trends During the COVID-19 Pandemic in the Top 50 Most Affected Countries: Infodemiological Evaluation
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has led to urgent calls for the adoption of telehealth solutions. However, public interest and demand for telehealth during the pandemic remain unknown. OBJECTIVE: We used an infodemiological approach to estimate the worldwide demand for telehealth services during COVID-19, focusing on the 50 most affected countries and comparing the demand for such services with the level of information and communications technology (ICT) infrastructure available. METHODS: We used Google Trends, the Baidu Index (China), and Yandex Keyword Statistics (Russia) to extract data on worldwide and individual countries' telehealth-related internet searches from January 1 to July 7, 2020, presented as relative search volumes (RSV; range 0-100). Daily COVID-19 cases and deaths were retrieved from the World Health Organization. Individual countries' ICT infrastructure profiles were retrieved from the World Economic Forum Report. RESULTS: Across the 50 countries, the mean RSV was 18.5 (SD 23.2), and the mean ICT index was 62.1 (SD 15.0). An overall spike in worldwide telehealth-related RSVs was observed from March 11, 2020 (RSV peaked to 76.0), which then tailed off in June-July 2020 (mean RSV for the period was 25.8), but remained higher than pre-March RSVs (mean 7.29). By country, 42 (84%) manifested increased RSVs over the evaluation period, with the highest observed in Canada (RSV=100) and the United States (RSV=96). When evaluating associations between RSV and the ICT index, both the United States and Canada demonstrated high RSVs and ICT scores (≥70.3). In contrast, European countries had relatively lower RSVs (range 3.4-19.5) despite high ICT index scores (mean 70.3). Several Latin American (Brazil, Chile, Colombia) and South Asian (India, Bangladesh, Pakistan) countries demonstrated relatively higher RSVs (range 13.8-73.3) but low ICT index scores (mean 44.6), indicating that the telehealth demand outstrips the current ICT infrastructure. CONCLUSIONS: There is generally increased interest and demand for telehealth services across the 50 countries most affected by COVID-19, highlighting the need to scale up telehealth capabilities, during and beyond the pandemic.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».