Characterizing telemedicine use in clinical immunology and allergy in Canada before the COVID-19 pandemic
Notice bibliographique
Résumé
RATIONALE: There exists a geographic barrier to access CIA care for patients who live in rural communities; telemedicine may bridge this gap in care. Herein we characterized the use of telemedicine in CIA at a population-based level and single centre. METHODS: Before the COVID-19 pandemic, telemedicine care was provided via the Ontario Telemedicine Network (OTN) in Ontario, Canada. Descriptive data were collected from the OTN administrative database and from electronic medical records at a single academic centre during 2014 to 2019. The potential distance travelled and time saved by telemedicine visits were calculated using postal codes. RESULTS: A total of 1298 telemedicine visits was conducted over OTN, with an average of 216 visits per year. Only 11% of the allergists/immunologists used telemedicine to provide care before the COVID-19 pandemic. In the single centre that provided the majority of the telemedicine care, 66% patients were female and the overall mean age was 46. The most common diagnosis was immunodeficiency (40%), followed by asthma (13%) and urticaria (11%). Most patients required at least one follow-up via telemedicine. The average potential two-way distance travelled per visit was 718 km and the average potential time travelled in total was 6.6 h. CONCLUSION: Telemedicine was not widely used by allergists/immunologists in Ontario, Canada before the COVID-19 pandemic. It could offer a unique opportunity to connect patients who live in remote communities and allergists/immunologists who practice in urban centres in Canada. Independent of the current pandemic, our study further highlights the need for more physicians to adopt and continue telemedicine use as well as for healthcare agencies to support its use as a strategic priority once the pandemic is over.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».