Digital Solutions to Alleviate the Burden on Health Systems During a Public Health Care Crisis: COVID-19 as an Opportunity
Notice bibliographique
Résumé
The COVID-19 pandemic has generated unprecedented and sustained health management challenges worldwide. Health care systems continue to struggle to support the needs of the majority of infected individuals that are either asymptomatic or have mild symptoms. In addition, long-term effects in the form of long-lasting COVID-19 symptoms or widespread mental health issues aggravated by the pandemic pose a burden on health care systems worldwide. This viewpoint article considers aspects of digital health care solutions and how they can play an ongoing role in safely addressing gaps in the health care support available from initially and repeatedly overwhelmed providers and systems. Digital solutions can be readily designed to address this need and can be flexible enough to adapt to the evolving management requirements of various stakeholders to reduce COVID-19 infection rates, acute hospitalizations, and mortality. Multiplatform solutions provide a hybrid model of care, which can include mobile and online platforms accompanied by direct clinician input and feedback. Desirable components to be included are discussed, including symptom tracking, patient education, well-being support, and bidirectional communication between patients and clinicians. Customizable and scalable digital health platforms not only can be readily adapted to further meet the needs of employers and public health stakeholders during the ongoing pandemic, but also hold relevance for flexibly meeting broader care management needs into the future.
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 | 0,008 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,011 | 0,016 |
| Science ouverte | 0,001 | 0,014 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,002 |
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 ».