Virtual care in Ontario community health centres: a cross-sectional study to understand changes in care delivery
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: There has been a large-scale adoption of virtual delivery of primary care as a result of the COVID-19 pandemic. AIM: In this descriptive study, an equity lens is used to explore the impact of transitioning to greater use of virtual care in community health centres (CHCs) across Ontario, Canada. DESIGN & SETTING: A cross-sectional survey was administered and electronic medical record (EMR) data were extracted from 36 CHCs. METHOD: The survey captured CHCs' experiences with the increased adoption of virtual care. A longitudinal analysis of the EMR data was conducted to evaluate changes in health service delivery. EMR data were extracted monthly for a period of time before the pandemic (April 2019-February 2020) and during (April 2020-February 2021). RESULTS: In comparison with the pre-pandemic period, CHCs experienced a moderate decline in visits made (11%), patients seen (9%), issues addressed (9%), and services provided (15%). During the pandemic period, an average of 54% of visits were conducted virtually, with telephone as the leading virtual modality (96%). Drops in service types ranged from 28%-82%. The distribution of virtual modalities varied according to the provider type. Access to in-person and virtual care did not vary across patient characteristics. CONCLUSION: The results demonstrate a large shift towards virtual delivery while maintaining in-person care. No meaningful differences were found in virtual versus in-person care related to patient characteristics or rurality of centres. Future studies are needed to explore how to best select the appropriate modality for patients and service types.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle