Your voice matters during COVID-19: Evaluation of digital divides across a tertiary cancer center.
Notice bibliographique
Résumé
e18768 Background: Virtual care (VC) and electronic patient-reported experience measures (ePREM) have been systemically adopted during the COVID-19 pandemic to facilitate continuity of cancer care and quality improvement. Digital divides, defined as differential access and benefit from these tools, may exacerbate existing health inequities among patients. We aimed to evaluate digital divides through ePREM access, use, and responses during the pandemic. Methods: Your Voice Matters (YVM), a provincially-mandated ePREM survey, was adapted to an online platform in September 2020 and emailed to patients after outpatient VC and in-person clinic visits at a tertiary cancer centre in Ontario. Age, gender, postal codes, and completed surveys from September-December 2020 were collated. Income was estimated using area-level averages from Statistics Canada 2016 census data. Socioeconomic status was mapped to area-level dimensions of the Canadian Index of Multiple Deprivation: residential instability (RI), economic dependency, ethnocultural composition (EC), situational vulnerability (SV). Higher factor scores per dimension correspond to greater marginalization. Two-sided Chi-squared and t-tests were used to compare demographics between VC and in-person patients with a significance threshold of p < 0.001. Generalized estimating equations logistic regression models were used to assess associations between patient satisfaction and visit type, as well as demographics. Results: YVM was emailed to 28% (10625/37835) of patients with a response rate of 21.8% (2321/10625). Mean and minimum income (x $10,000) were highest among responders (6.6, 1.5) compared to non-responders (6.3, 1.3) and those without email (6.2, 1.1). Comparing responders with VC (n = 549) and in-person (n = 1719) visits, the former had higher mean income (6.9 vs 6.5, p < 0.001) and lower mean EC factor score (0.2 vs 0.4, p < 0.001). Satisfaction with care received was not associated with visit type and satisfaction with VC logistics was not associated with demographics. Patients with higher EC scores were more likely to rate low satisfaction in “culturally appropriate” (OR 0.69, 95% CI: 0.57-0.85) and “respect” (OR 0.69, 95% CI: 0.57-0.85) domains. Patients with higher SV scores were more likely to rate low satisfaction in the “physical symptoms” (OR 0.69, 95% CI: 0.51-0.94) domain, while patients with higher RI scores were more likely to rate low satisfaction in the “physical” (OR 0.82, 95% CI: 0.69-0.98) and “emotional symptoms” (OR 0.88, 95% CI: 0.79-0.98) domains. Conclusions: VC patients had positive experiences with visit logistics across demographics and their satisfaction with care was comparable to that of in-person patients. However, VC use and YVM access, use, and responses were associated with income and socioeconomic status. Identifying populations vulnerable to digital health inequities will guide strategies to bridge the divides.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
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 | 0,025 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».