MétaCan
Menu
← Retour à la cohorte
Enregistrement W4220818663 · doi:10.1101/2022.03.07.22272032

Changes in outpatient care patterns and subsequent outcomes during the COVID-19 pandemic: A retrospective cohort analysis from a single payer healthcare system

2022· preprint· en· W4220818663 sur OpenAlexafffundabout
Finlay A. McAlister, Zoe Hsu, Yuan Dong, Carl van Walraven, Jeffrey A. Bakal

Notice bibliographique

RevuemedRxiv · 2022
Typepreprint
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensAlberta Health ServicesOttawa HospitalUniversity of Alberta
Organismes subventionnairesGovernment of AlbertaAlberta Health Services
Mots-clésMedicinePandemicAmbulatory careEmergency departmentRetrospective cohort studyHealth careAmbulatoryOutpatient visitsEmergency medicineCohortPopulationOutpatient clinicCoronavirus disease 2019 (COVID-19)Family medicineMedical emergencyInternal medicineDiseaseNursing

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Background There have been rapid shifts in outpatient care models during the COVID-19 pandemic but the impact of these changes on patient outcomes are uncertain. We designed this study to examine ambulatory outpatient visit patterns and outcomes between March 1, 2019 to February 29, 2020 (pre-pandemic) and from March 1, 2020 to February 28, 2021 (pandemic). Methods We conducted a population-based retrospective cohort study of all 3.8 million adults in the Canadian province of Alberta, which has a single payer healthcare system, using linked administrative data. We examined all outpatient physician encounters (virtual or in-person) and outcomes (emergency department visits, hospitalizations, or deaths) in the next 30- and 90-days. Results Although in-person outpatient visits declined by 38.9% in the year after March 1, 2020 (10,142,184 vs. 16,592,599), the increase in virtual visits (7,152,147; 41.4% of total) meant that total outpatient encounters increased by 4.1% in the first year of the pandemic. Outpatient care and prescribing patterns remained stable for adults with ambulatory-care sensitive conditions (ACSC): 97.2% saw a primary care physician (median 6 visits), 59.0% had at least one specialist visit, and 98.5% were prescribed medications (median 9) in the year prior to the pandemic compared to 96.6% (median 3 in-person and 2 virtual visits), 62.6%, and 98.6% (median 8 medications) during the first year of the pandemic. In the first year of the pandemic, virtual outpatient visits were associated with less subsequent healthcare encounters than in-person ambulatory visits, particularly for patients with ACSC (9.2% vs. 10.4%, aOR 0.89 [95% confidence interval 0.87-0.92] at 30 days and 26.9% vs. 29.3%, aOR 0.93 [0.92-0.95] at 90 days). Conclusions The shifts in outpatient care patterns caused by the COVID-19 pandemic did not disrupt prescribing or follow-up for patients with ACSC and did not worsen post-visit outcomes. Funding None Registration None KEY MESSAGES What is already known on this topic There have been rapid shifts in outpatient care models during the COVID-19 pandemic but outcomes are uncertain. What this study adds Total outpatient encounters increased by 4% in the first year of the pandemic due to a rapid increase in virtual visits (which made up 41% of all outpatient encounters). Prescribing patterns and frequency of follow-up were similar in the first year after onset of the pandemic in adults with ambulatory-care sensitive conditions. Compared to in-person visits, virtual outpatient visits were associated with less subsequent healthcare encounters, particularly for patients with ambulatory-care sensitive conditions (11% less at 30 days and 7% less at 90 days). How this study might affect research, practice or policy Our data provides reassurance that the shifts in outpatient care patterns caused by the COVID-19 pandemic did not negatively impact follow-up, prescribing, or outcomes for patients with ACSC. Further research is needed to define which patients and which conditions are most suitable for virtual outpatient visits and, as with all outpatient care, the optimal frequency of such visits.

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)0,003
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 enseignants0,570
Score d'incertitude au seuil0,865

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,088
Tête enseignante GPT0,370
Écart entre enseignants0,282 · 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

Citations3
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetCOVID-19 and healthcare impacts→Travaux en français237 207→