MétaCan
Menu
Retour à la cohorte
Enregistrement W4210940085 · doi:10.2196/32403

The Impact of Telemedicine Visits on the Controlling High Blood Pressure Quality Measure During the COVID-19 Pandemic: Retrospective Cohort Study

2022· article· en· W4210940085 sur OpenAlexvenueno aff
Siqin Ye, D. Edmund Anstey, Anne Grauer, Gil Metser, Nathalie Moise, Joseph E. Schwartz, Ian M. Kronish, Marwah Abdalla

Notice bibliographique

RevueJMIR Formative Research · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesNational Heart, Lung, and Blood InstituteNational Institutes of HealthAgency for Healthcare Research and QualityAmerican Heart Association
Mots-clésTelemedicineMedicineMedicaidRetrospective cohort studyOdds ratioPandemicBlood pressureEmergency medicineCohortLogistic regressionCoronavirus disease 2019 (COVID-19)Cohort studyInternal medicineMedical emergencyHealth care

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Telemedicine visit use vastly expanded during the COVID-19 pandemic, and this has had an uncertain impact on cardiovascular care quality. OBJECTIVE: We sought to examine the association between telemedicine visits and the failure to meet the Controlling High Blood Pressure (BP) quality measure from the Centers for Medicare & Medicaid Services. METHODS: This was a retrospective cohort study of 32,727 adult patients with hypertension who were seen in primary care and cardiology clinics at an urban, academic medical center from February to December 2020. The primary outcome was a failure to meet the Controlling High Blood Pressure quality measure, which was defined as having no BP recorded or having a last recorded BP of ≥140/90 mm Hg (ie, poor BP control). Multivariable logistic regression was used to assess the association between telemedicine visit use during the study period (none, 1 telemedicine visit, or ≥2 telemedicine visits) and poor BP control; we adjusted for demographic and clinical characteristics. RESULTS: During the study period, no BP was recorded for 2.3% (486/20,745) of patients with in-person visits only, 27.1% (1863/6878) of patients with 1 telemedicine visit, and 25% (1277/5104) of patients with ≥2 telemedicine visits. After adjustment, telemedicine use was associated with poor BP control (1 telemedicine visit: odds ratio [OR] 2.06, 95% CI 1.94-2.18; P<.001; ≥2 telemedicine visits: OR 2.49, 95% CI 2.31-2.68; P<.001; reference: in-person visits only). This effect disappeared when the analysis was restricted to patients with at least 1 recorded BP (1 telemedicine visit: OR 0.89, 95% CI 0.83-0.95; P=.001; ≥2 telemedicine visits: OR 0.91, 95% CI 0.83-0.99; P=.03). CONCLUSIONS: Increased telemedicine visit use is associated with poorer performance on the Controlling High Blood Pressure quality measure. However, telemedicine visit use may not negatively impact BP control when BP is recorded.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,022
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,019
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0220,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,115
Tête enseignante GPT0,497
Écart entre enseignants0,382 · 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 tête enseignante, pas un consensus.

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

Citations19
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207