Influence of the COVID-19 Pandemic on Overall Physician Visits and Telemedicine Use Among Patients With Type 1 or Type 2 Diabetes in Japan
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: Regular visits with healthcare professionals are important for preventing serious complications in patients with diabetes. The purpose of this retrospective cohort study was to clarify whether there was any suppression of physician visits among patients with diabetes during the spread of the novel coronavirus 2019 (COVID-19) in Japan and to assess whether telemedicine contributed to continued visits. METHODS: We used the JMDC Claims database, which contains the monthly claims reported from July 2018 to May 2020 and included 4,595 (type 1) and 123,686 (type 2) patients with diabetes. Using a difference-in-differences analysis, we estimated the changes in the monthly numbers of physician visits or telemedicine per 100 patients in April and May 2020 compared with the same months in 2019. RESULTS: For patients with type 1 diabetes, the estimates for total overall physician visits were -2.53 (95% confidence interval [CI], -4.63 to 0.44) in April and -8.80 (95% CI, -10.85 to -6.74) in May; those for telemedicine visits were 0.71 (95% CI, 0.47-0.96) in April and 0.54 (95% CI, 0.32-0.76) in May. For patients with type 2 diabetes, the estimates for overall physician visits were -2.50 (95% CI, -2.95 to -2.04) in April and -3.74 (95% CI, -4.16 to -3.32) in May; those for telemedicine visits were 1.13 (95% CI, 1.07-1.20) in April and 0.73 (95% CI, 0.68-0.78) in May. CONCLUSION: The COVID-19 pandemic was associated with suppression of physician visits and a slight increase in the utilization of telemedicine among patients with diabetes during April and May 2020.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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