“Doctor Zoom will see you now”: An equity-focused perspective on virtual care in the era of COVID-19
Notice bibliographique
Résumé
The COVID-19 pandemic has dramatically impacted populations and healthcare systems worldwide, especially in regions deemed “hotspots.” Social determinants of health have now become even more evident amidst the circumstances imposed by the pandemic, as traditionally underserved and marginalized populations are disproportionately impacted.1,2 In the past decade, virtual care has been proposed as a means of improving access to care for patients and can be administered across various modalities such as telephone, asynchronous messaging (email or text), videoconferencing (e.g. Ontario Telemedicine Network, Zoom), and other secure platforms (e.g. Doxy.me).3 The abrupt shutdowns imposed by the COVID-19 pandemic have accelerated the transition to virtual care across the world.3 Recently published papers have primarily focused on the global impact of virtual care or nation-specific healthcare systems.4,5 Our commentary offers an equity-focused perspective on the landscape of virtual care during the COVID-19 pandemic with an emphasis on acknowledging and addressing factors unique to the Canadian healthcare system. Specifically, we will discuss benefits of virtual care and explore the challenges imposed by the rapid conversion to virtual care in the context of social and other determinants of health in Ontario. © 2021, University of Toronto. All rights reserved.
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 | 0,018 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,016 | 0,046 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,022 | 0,028 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».