MétaCan
Menu
Retour à la cohorte
Enregistrement W3179353766 · doi:10.1186/s12913-021-07131-7

Estimated impact of COVID-19 on preventive care service delivery: an observational cohort study

2021· article· en· W3179353766 sur OpenAlexafffundabout
Scott Laing, Sharon Johnston

Notice bibliographique

RevueBMC Health Services Research · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensInstitut du Savoir MontfortBruyèreUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineHealth careCervical cancerMedical recordObservational studyColorectal cancerFamily medicineCancerHealth informaticsHealth administrationCancer screeningPublic healthPreventive healthcareCohort studyManaged careEmergency medicineInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: COVID-19 has caused significant healthcare service disruptions. Surgical backlogs have been estimated but not for other healthcare services. This study aims to estimate the backlog of preventive care services caused by COVID-19. METHODS: This observational study assessed preventive care screening rates at three primary care clinics in Ottawa, Ontario from March to November 2020 using data from 22,685 electronic medical records. The change in cervical cancer, colorectal cancer, and type 2 diabetes screening rates were crudely estimated using 2016 census data, estimating the volume of key services delayed by COVID-19 across Ontario and Canada. RESULTS: The mean percentage of patients appropriately screened for cervical cancer decreased by 7.5% (- 0.3% to - 14.7%; 95% CI), colorectal cancer decreased by 8.1% (- 0.3% to - 15.8%; 95% CI), and type 2 diabetes decreased by 4.5% (- 0.2% to - 8.7%; 95% CI). Crude estimates imply 288,000 cervical cancer (11,000 to 565,000; 95% CI), 326,000 colorectal cancer (13,000 to 638,000; 95% CI), and 274,000 type 2 diabetes screenings (13,000 to 535,000; 95% CI) may be overdue in Ontario. Nationally the deficits may be tripled these numbers. Re-opening measures have not reversed these trends. INTERPRETATION: COVID-19 decreased the delivery of preventive care services, which may cause delayed diagnoses, increased mortality, and increased health care costs. Virtual care and reopening measures have not restored the provision of preventive care services. Electronic medical record data could be leveraged to improve screening via panel management. Additional, system-wide primary care and laboratory capacity will be needed to restore pre-COVID-19 screening rates.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,827
Score d'incertitude au seuil0,348

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,347
Tête enseignante GPT0,592
Écart entre enseignants0,244 · 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

Citations56
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetCOVID-19 and healthcare impactsTravaux en français237 207