MétaCan
Menu
Retour à la cohorte
Enregistrement W4206092104 · doi:10.1016/j.trip.2021.100533

Accessing hemodialysis clinics during the COVID-19 pandemic

2022· article· en· W4206092104 sur OpenAlexafffundabout
Matthew P Beaudet, Léa Ravensbergen, James A. DeWeese, William Beaubien‐Souligny, Annie‐Claire Nadeau‐Fredette, Norka Rios, Marie-Line Caron, Rita S. Suri, Ahmed El-Geneidy

Notice bibliographique

RevueTransportation Research Interdisciplinary Perspectives · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensMcGill University Health CentreHôpital Maisonneuve-RosemontUniversité de MontréalCentre Hospitalier de l’Université de MontréalMcGill University
Organismes subventionnairesCanadian Institutes of Health ResearchFonds de Recherche du Québec - SantéMinistère de la Santé et des Services sociaux
Mots-clésParatransitPandemicPublic transportDescriptive statisticsHemodialysisTaxisCoronavirus disease 2019 (COVID-19)Thematic analysisMedical emergencyMedicineBusinessPsychologyTransport engineeringEngineeringSociologyQualitative researchDiseaseSurgeryStatisticsInternal medicine

Résumé

récupéré en direct d'OpenAlex

Transportation is a key element of access to healthcare. The COVID-19 pandemic posed unique and unforeseen challenges to patients receiving hemodialysis who rely on three times weekly transportation to receive their life-saving treatments, but there is little data on the problems they faced. This study explores the attitudes, fears, and concerns of hemodialysis patients during the pandemic with a focus on their travel to/from dialysis treatments. A mixed methods travel survey was distributed to hemodialysis patients from three urban centers in Montréal, Canada, during the pandemic (n = 43). The survey included closed questions that were analysed through descriptive statistics as well as open-ended questions that were assessed through thematic analysis. Descriptive statistics show that hemodialysis patients are more fearful of contracting COVID-19 in transit than they are at the treatment center. Patients taking paratransit, public transportation, and taxis are more fearful of COVID-19 while traveling than those who drive, who are driven, or who walk to the clinic. In the open-ended questions, patients reported struggling with confusing COVID-19 protocols in public transport, including conflicting information on whether paratransit taxis allowed one or multiple passengers. Paratransit was the most used travel mode to access treatment (n = 30), with problems identified in the open-ended questions, such as long and unreliable pickup windows, and extended travel times. To limit COVID-19 exposure and stress for paratransit users, agencies should consider sitting one patient per paratransit taxi, clearly communicating COVID-19 protocols online and in the vehicles, and tracking vehicles for more efficient pickups.

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 enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,231
Tête enseignante GPT0,558
Écart entre enseignants0,327 · 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

Citations13
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTransportation Research Interdisciplinary PerspectivesMême sujetCOVID-19 and Mental HealthTravaux en français237 207