Delivery of menopause care during a pandemic: an evaluation of patient satisfaction with telephone visits
Notice bibliographique
Résumé
Abstract Objective: We aimed to evaluate patient satisfaction with telephone appointments during the first wave of the COVID-19 pandemic, determine visit type preference (in-person vs telephone), and predictors of those preferences. Methods: In this cross-sectional study, patient visits during the first wave of COVID-19 (March 20 to July 15, 2020) were characterized (in-person vs telephone) in a single provider's weekly menopause clinic in Toronto, Canada. Patients attending telephone appointments were asked to complete a modified Telemedicine Satisfaction Questionnaire with 5-point Likert-scale responses. Demographic information was collected along with the patient-reported cost to attend an in-person appointment (monetary, travel time, and time away from work). Of those who experienced both visit types, preference was evaluated and bivariate analysis was performed identifying factors associated with visit type preference and included in a multivariable binary logistic regression model. Results: During the first wave of the COVID-19 pandemic, 214 women had 246 visits, attending mostly by telephone (221/246, 90%). Mean Telemedicine Satisfaction Questionnaire composite score was 4.23 ± 0.72. Of those who attended a prepandemic in-person appointment (118/139, 85%), a minority (24/118, 20%) preferred in-person visits. Those favoring in-person were more likely to commute less than 30 minutes (OR 3.78, 95% CI 1.16-12.29, P = 0.027), require less than 2 hours away from work (OR 4.05, 95% CI 1.07-15.4, P = 0.04), and spend less than $10 to attend (OR 3.67, 95% CI 1.1-12.26, P = 0.035). Conclusions: Menopause clinic telephone appointments had high patient satisfaction, with most preferring this visit type, although in-person visits are preferred among a minority of women.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».