Assessing Patient Satisfaction with Live-Interactive Teledermatology Visits During the COVID-19 Pandemic: A Survey Study
Notice bibliographique
Résumé
Introduction: Coronavirus disease 2019 (COVID-19) has brought teledermatology to the forefront. Understanding patients' experiences will clarify its benefits and limitations. Materials and Methods: Patients evaluated through live-interactive teledermatology at New York University Langone Health March–June 2020 were surveyed. Patient demographics, satisfaction with, and preferences between teledermatology and in-person visits across four domains (visit preparation, provider communication, physical examination, and treatment plan/follow-up) were collected. Results/Discussion: Of 602 respondents, >70% indicated at least equal satisfaction compared with in-person visits across all domains. More than a quarter of patients were dissatisfied with the virtual examination and more than half preferred in-person examinations. Male gender was associated with treatment plan/follow-up satisfaction ( p = 0.03). Patients ≥66 years preferred in-person visit preparation, communication, and treatment plan/follow-up (all p < 0.01). New patients were less satisfied with teledermatology communication ( p = 0.02) and treatment plan/follow-up ( p < 0.01) but preferred teledermatology visit preparation ( p = 0.01). Conclusions: Patients were satisfied with live-interactive teledermatology during the COVID-19 pandemic, although preferred in-person physical examinations. Satisfaction and preferences varied between patient populations.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».