Virtual and in-person visits by Ontario physicians in the COVID-19 era
Notice bibliographique
Résumé
Introduction We examined the coronavirus disease 2019 (COVID-19) pandemic impact on weekly trends in the billing of virtual and in-person physician visits in Ontario, Canada. Methods In this retrospective cohort study, physician billing records from Ontario were aggregated on a weekly basis for in-person and virtual visits from 3 January 2016 to 27 March 2021. For each type of visit, a segmented negative binomial regression analysis was performed to estimate the weekly pre-pandemic trend in billing volume per thousand adults (3 January 2016 to 14 March 2020), the immediate change in mean volume at the start of the pandemic, and additional change in weekly volume in the pandemic era (15 March 2020 to 27 March 2021). Results Before the start of the pandemic, the weekly volume of virtual visits per thousand adults was low with a 0.5% increase per week (rate ratio [RR]: 1.0053, 95% confidence interval [CI]: 1.0050–1.0056). A dramatic 65% reduction in in-person visits (RR: 0.35, 95% CI: 0.32–0.39) occurred at the start of the pandemic while virtual visits grew by 21-fold (RR: 21.3, 95% CI: 19.6–23.0). In the pandemic era, in-person visits rose by 1.4% per week (RR: 1.014, 95% CI: 1.011–1.017) but no change was observed for virtual visits ( p-value = 0.31). Overall, we noted a 57.6% increase in total weekly physician visits volume after the start of the pandemic. Discussion These results are meaningful for virtual care reimbursement models. Future study needs to assess the quality of care and whether the increase in virtual care volume is cost-effective to society.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».