MétaCan
Menu
Retour à la cohorte
Enregistrement W3180774728 · doi:10.1001/jamahealthforum.2021.1529

Changes in Short-term, Long-term, and Preventive Care Delivery in US Office-Based and Telemedicine Visits During the COVID-19 Pandemic

2021· article· en· W3180774728 sur OpenAlexaboutno aff
Cecilia Cortez, Omar Mansour, Dima M. Qato, Randall S. Stafford, G. Caleb Alexander

Notice bibliographique

RevueJAMA Health Forum · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)PandemicMedicineTelemedicineCoronavirus disease 2019 (COVID-19)AmbulatoryFamily medicineAmbulatory careIndex (typography)Long-term careMedical emergencyEmergency medicinePediatricsHealth careDiseaseNursingInfectious disease (medical specialty)GeographyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Importance: While the COVID-19 pandemic has been associated with some substitution of telemedicine for office-based care in the US, to our knowledge, little is known regarding the pandemic's association with the clinical content of ambulatory care. Objective: To characterize changes in the clinical content of ambulatory care among office-based vs telemedicine encounters in the US before vs during the COVID-19 pandemic. Design Settings and Participants: This analysis of serial cross-sectional data from the IQVIA National Disease and Therapeutic Index was a 2-stage, stratified nationally representative audit of outpatient care in the US from January 1, 2018, through December 31, 2020. The National Disease and Therapeutic Index generates approximately 33 617 quarterly visits that are projected to 306.7 million national visits based on the survey design. Main Outcomes and Measures: (1) Prevalence of common diagnoses and (2) mix of long-term, short-term, and preventive care. Results: The mean (SD) number of projected quarterly, in-person, office-based visits was 282.1 (1.4) million in 2018 and 284.7 (10.3) in 2019 before declining to 250.8 million in quarter 1 of 2020 and 147.8 million in quarter 2 of 2020 and then increasing moderately to 181.5 million in quarter 3 of 2020 and 180.2 million in quarter 4 of 2020. The mean (SD) number of telemedicine visits was 2.8 (0.4) million in 2018 and 3.0 (0.1) million in 2019 before increasing to 8.6 million in quarter 1 of 2020 and 72.2 million in quarter 2 of 2020 and then declining notably to 43.8 million in quarter 3 of 2020 and 44.2 million in quarter 4 of 2020. Office-based care during the second through fourth quarters of 2020 involved 58.0% long-term, 23.0% short-term, and 25.6% preventive care. In contrast to office-based care, 4 of the top 10 diagnoses that were treated by telemedicine during 2020 were for psychiatric or behavioral conditions: depression, attention deficit/hyperactivity, anxiety, and bipolar disorders. Throughout this period, approximately half of office-based visits and nearly two-thirds of telemedicine visits were for established rather than new patients. Conclusions and Relevance: This cross-sectional study's findings suggest that while telemedicine rapidly increased early during course of the COVID-19 pandemic, its use declined modestly since then. In contrast to office-based care, telemedicine was more commonly used for established patients and substantially greater delivery of psychiatric or behavioral treatments rather than preventive care.

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)0,008
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 enseignants0,032
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,038
Tête enseignante GPT0,366
Écart entre enseignants0,329 · 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

Citations60
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Health ForumMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207