Sociodemographic differences in patient experience with primary care during COVID-19: results from a cross-sectional survey in Ontario, Canada
Notice bibliographique
Résumé
Purpose We sought to understand patients’ care-seeking behaviours early in the pandemic, their use and views of different virtual care modalities, and whether these differed by sociodemographic factors. Methods We conducted a multisite cross-sectional patient experience survey at 13 academic primary care teaching practices between May and June 2020. An anonymised link to an electronic survey was sent to a subset of patients with a valid email address on file; sampling was based on birth month. For each question, the proportion of respondents who selected each response was calculated, followed by a comparison by sociodemographic characteristics using χ 2 tests. Results In total, 7532 participants responded to the survey. Most received care from their primary care clinic during the pandemic (67.7%, 5068/7482), the majority via phone (82.5%, 4195/5086). Among those who received care, 30.53% (1509/4943) stated that they delayed seeking care because of the pandemic. Most participants reported a high degree of comfort with phone (92.4%, 3824/4139), video (95.2%, 238/250) and email or messaging (91.3%, 794/870). However, those reporting difficulty making ends meet, poor or fair health and arriving in Canada in the last 10 years reported lower levels of comfort with virtual care and fewer wanted their practice to continue offering virtual options after the pandemic. Conclusions Our study suggests that newcomers, people living with a lower income and those reporting poor or fair health have a stronger preference and comfort for in-person primary care. Further research should explore potential barriers to virtual care and how these could be addressed.
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 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».