The Rise of Virtual Care in the Pandemic Era: Ensuring Equitable Systems for Our Most Marginalized Populations
Notice bibliographique
Résumé
To the Editor: Early in 2020, U.S. health care systems with large-scale virtual care integration were a minority, with little incentive and many barriers to change. 1 Although virtual care has been gaining traction for years, it went from being a rarity to a standard during the COVID-19 pandemic. COVID-19 disproportionately impacts marginalized communities, 2 and unfortunately, the pivot toward virtual care carries this same concern. Though there is great utility to virtual care, without an equity-based approach, it may pose unique challenges for our most vulnerable populations. Among the many barriers that virtual care poses are: (1) limited access to technology, (2) challenges with digital literacy, (3) language differences without professional interpretation, (4) impaired access to self-monitoring medical equipment, and (5) lack of space to ensure privacy and confidentiality. Without intentional strategies to mitigate these barriers, we risk exacerbating health disparities for already marginalized patients who may not be able to advocate an in-person alternative. During this formative time in health care delivery, there are powerful opportunities to design virtual care systems that are equitable. The development of various interventions has demonstrated great promise for greater inclusivity. For example, various North American telecom companies have devised programs providing free devices plans for patients with low socioeconomic status. 3 While working on primary care teams as clinical clerks, we recognized the importance of highlighting these programs for patients who need them. We created an information sheet with the contact information of various community organizations willing to donate virtual care resources. We also provided various patients with over-the-phone and in-person tutorials on how to access local virtual care platforms. Often as medical students, we are taught the importance of advocacy, and now this is more apparent than ever. Medical students should be encouraged to work with health professionals, community members, and policy makers to ensure that the sudden shifts in the health care systems benefit everyone, leaving no one behind. Acknowledgments: The authors would like to thank Dr. Eileen Nicolle for her support in providing improved access to virtual care patients at Sumac Creek Health Centre, St. Michael’s Hospital, Toronto, Ontario, Canada.
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 | 0,006 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,017 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,005 |
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 ».