MétaCan
Menu
Retour à la cohorte
Enregistrement W3176579585 · doi:10.2337/db21-872-p

872-P: Impact of Telemedicine Consultations during the COVID-19 Pandemic on Glycemic Control of Diabetes Patients

2021· article· en· W3176579585 sur OpenAlexaboutno aff
ASHINI DISSANAYAKE, Monika Pawłowska, Benjamin Schroeder, Jessica MacKenzie-Feder, Adam White

Notice bibliographique

RevueDiabetes · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueArtificial Intelligence in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTelemedicineMedicineGlycemicPandemicDiabetes mellitusContext (archaeology)Coronavirus disease 2019 (COVID-19)PsychosocialDiabetes managementEmergency medicineInternal medicineType 2 diabetesDiseaseHealth careEndocrinology

Résumé

récupéré en direct d'OpenAlex

Due to the COVID-19 pandemic, our endocrinology clinic transitioned to virtual care on March 18, 2020. The literature suggests that self-monitoring of blood glucose paired with telemedicine consultations is an effective strategy for diabetes management, however it is unclear whether telemedicine remains effective in the context of the sudden lifestyle changes caused by the pandemic, including non-essential service closures, travel restrictions, lockdowns, and psychosocial impacts. Patients with diabetes are uniquely affected by these restrictions, as glycemic control is heavily dependent on lifestyle and access to essential medications and supplies. The purpose of this project is to determine the impact of telemedicine consultations in the context of the COVID-19 pandemic on the glycemic control of patients seen at our clinic. A retrospective chart review was performed on 300 type 1 and 2 diabetes patients seen at least once within the 6 months preceding (pre-COVID) and following (post-COVID) March 18, 2020. The primary outcome measure was hemoglobin A1c. For patients with more than 1 A1c value in each time frame, the most recent A1c was used. Demographic information was also collected. There was no significant difference in the pre-COVID and post-COVID A1c values (p=0.40) of the entire sample. There was no significant difference in the pre-COVID and post-COVID A1c values when the sample was stratified by age, diabetes duration, use of CGM, or use of pump. However, there was a significant increase in A1c for females post-COVID (p<0.05). This difference was not observed for males (p=0.22). Our data suggests that telemedicine is an overall effective strategy for optimizing glycemic control of patients with type 1 and type 2 diabetes during the pandemic, with no significant difference in A1c. However, the gender-specific effect of telemedicine consultations during COVID-19 on the glycemic control of females with diabetes indicates a need for further study and intervention. Disclosure A. Dissanayake: None. M. Pawlowska: Advisory Panel; Self; Novo Nordisk. B. Schroeder: Advisory Panel; Self; AstraZeneca, Novartis Pharmaceuticals Canada Inc. J. Mackenzie-feder: None. A. White: Advisory Panel; Self; Abbott Diabetes, AstraZeneca, Boehringer Ingelheim (Canada) Ltd., Eli Lilly and Company, Janssen Pharmaceuticals, Inc., Merck & Co., Inc., Novo Nordisk Canada Inc.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,081
Tête enseignante GPT0,443
Écart entre enseignants0,362 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetesMême sujetArtificial Intelligence in HealthcareTravaux en français237 207