The unintended consequences of COVID‐19 public health measures on health care for children with medical complexity
Notice bibliographique
Résumé
AIM: The aim of this work is to explore the unintended consequences of pandemic public health measures on health care service usage by children with medical complexity. BACKGROUND: Medical complexity is characterized by the presence of complex, chronic conditions requiring specialized care, substantial health needs, functional dependence and/or limitations, and frequent health care usage. Children with medical complexity are among the highest users of paediatric health care services. METHODS: A web-based, cross-sectional survey was conducted in British Columbia, Canada, between August and September 2020. Inclusion criteria were (a) parent/guardian of at least one child (age 0 to 18 years, inclusive) with medical complexity and (b) residence in British Columbia. A convenience sample of 156 parents completed the survey. Data were analysed using a series of descriptive analyses (frequencies, cross-tabulations) and inferential analyses (binary logistic regressions). RESULTS: Respondents provided information for 188 children with medical complexity. Access to allied health therapies (physio, occupational, and speech and language) and medical specialists drastically declined in the initial months of the pandemic, with a shift from in-person to virtual platforms for these aspects of care. Regression modelling indicated that age and family structure influenced decisions to use in-patient hospital services. CONCLUSIONS: Public health measures implemented in the initial months of the pandemic decreased access to health care services for children with medical complexity. The long-term ramifications of these measures are unknown. Family structure was found to influence decisions to avoid accessing Emergency Department care. Given the volume of services used by these children, paediatric hospital leaders need to take their unique needs into consideration in disaster planning to ensure minimal disruptions in 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 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 | 0,004 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».