Virtual Oncology Appointments during the Initial Wave of the COVID-19 Pandemic: An International Survey of Patient Perspectives
Notice bibliographique
Résumé
There has been rapid implementation of virtual oncology appointments in response to the COVID-19 pandemic, particularly in its first wave. Our objective was to assess patterns and perspectives towards virtual oncology appointments during the pandemic among patients with cancer undergoing active treatment. We conducted an international Internet-based cross-sectional survey. Participants were eligible if they (1) were ≥18 years of age; (2) had been diagnosed with cancer (3) were currently undergoing cancer treatment, and (4) spoke English or French. Between 23 April 2020 and 9 June 2020, 381 individuals accessed the survey, with 212 actively undergoing treatment for cancer, including 27% with colorectal, 21% with breast, 7% with prostate and 7% with lung cancer. A total of 52% of respondents were from Canada and 35% were from the United States. Many participants (129, 62%) indicated having had a virtual oncology appointment during the COVID-19 pandemic and most were satisfied with their experience (83%). We found older participants (≥50 years; adjusted OR 0.22, 95% CI 0.06 to 0.85 compared to <50 years) and those with shortest duration of treatment (≤3 months; adjusted OR 0.06; 95% CI 0 to 0.69 compared to >12 months) were less likely to be satisfied with virtual oncology appointments. Virtual health platforms used differed across countries with higher telephone use in Canada (87%) and other countries (86%) as compared to the United States (54%; p-value < 0.05), where there was higher use of video conferencing. Altogether, our findings demonstrate favorable patient perspectives towards virtual oncology appointments experienced during the first wave of the COVID-19 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 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 | 0,001 | 0,004 |
| 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 | 0,000 |
| 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 ».