948-P: Patient Satisfaction with Virtual Diabetes Care during the COVID-Pandemic
Notice bibliographique
Résumé
The COVID-pandemic has required changes to healthcare delivery and has been a stressful time for people with diabetes mellitus (DM) . Previous literature suggests that virtual health appointments for diabetes care can be effective and result in high patient satisfaction. However, it is unclear if patients with DM are satisfied with the widespread adoption of virtual care during the pandemic. The aim of this study was to evaluate the impact of virtual care during the pandemic on patient satisfaction in patients with type 1 and type 2 DM. The validated Patient Satisfaction Questionnaire (PSQ-III) was completed by 197 patients who had an in-person appointment in the six months before March 18, 2020 (pre-COVID) and a subsequent virtual appointment within six months after that date. For each form of healthcare delivery (i.e. in-person and virtual) , the satisfaction in six aspects of care was measured: general satisfaction, technical quality, interpersonal manner, communication, time spent with doctor, and accessibility of care. Both type 2 DM and age >55 years were associated with decreased general satisfaction with virtual care compared to in-person care. Both type 2 DM and female sex were associated with decreased technical quality of care. Accessibility of care decreased significantly in the overall study group. No significant differences in patient satisfaction were observed in the type 1 DM group. Despite our findings, 74% of respondents answered they would consider virtual health appointments in the future. Our data suggests that many patients welcome virtual health as an addition to their medical care. However, virtual health does not seem to deliver the same level of patient satisfaction as in-person appointments over the longer term. Future research on how fatigue with pandemic restrictions has affected patient satisfaction is needed to evaluate whether virtual health appointments are a viable option for long term diabetes care. Disclosure C.Chang: None. A.Dissanayake: None. M.Pawlowska: Advisory Panel; Novo Nordisk, Other Relationship; Medtronic. B.Schroeder: Advisory Panel; Novartis Canada, Novartis Canada, Novartis Canada, Novo Nordisk Canada Inc., Novo Nordisk Canada Inc., Novo Nordisk Canada Inc. J.Mackenzie-feder: Advisory Panel; Recordati S.p.A. A.White: Advisory Panel; AstraZeneca, Bayer AG, Boehringer Ingelheim International GmbH, Eli Lilly and Company, HLS Therapeutics Inc., Janssen Pharmaceuticals, Inc., Novo Nordisk Canada Inc.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,007 | 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 ».