Telemedicine Use During the COVID-19 Pandemic by Resilient Rheumatology Providers: A National Veterans Affairs Follow-up Survey
Notice bibliographique
Résumé
Objective To assess rheumatology provider experience and practices at Veterans Affairs (VA) facilities during the coronavirus disease 2019 (COVID-19) pandemic. Methods We performed an anonymized follow-up national cross-sectional survey (November 5, 2020 to January 1, 2021) to assess provider resilience, experience, practices, views, and opinions about changes to medications and laboratory monitoring of veterans with rheumatic diseases. Results Of the 143 eligible VA rheumatology providers, 114 (80%) responded. Compared to the original survey, fewer providers reported using telephone visits (78% vs 91%, P = 0.009), and more used clinical video telehealth (CVT; 16% vs 7%, P = 0.04) or in-person visits (76% vs 59%, P = 0.007). Most providers were somewhat or very comfortable with the quality of clinical encounters for established but not new patients for telephone, video-based VA Video Connect (VVC), and CVT. The mean 2-item Connor-Davidson Resilience Scale score was 6.85 (SD 1.06, range 0–8), significantly higher than the original April–May 2020 survey score of 6.35 (SD 1.26; P = 0.004). When adjusted for age, sex, and ethnicity, high provider resilience was associated with significantly higher odds of comfort with technology and the quality of the VVC visit for the following: (1) established patients (odds ratio [OR] 1.72, 95% CI, 0.67–4.40 and OR 4.13, 95% CI 1.49–11.44, respectively) and (2) new patients (OR 2.79, 95% CI 1.11–7.05, and OR 2.69, 95% CI 1.06–6.82, respectively). Conclusion Reassuringly, VA rheumatology providers became increasingly comfortable with video visits during the first 10 months of the COVID-19 pandemic. High provider resilience, and its association with better quality CVTs, raise the possibility that video visits might be an acceptable substitute for in-person visits under appropriate circumstances.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».