The Association Between Telehealth Utilization and Policy Responses on COVID-19 in Japan: Interrupted Time-Series Analysis
Notice bibliographique
Résumé
BACKGROUND: Telehealth using telephones or online communication is being promoted as a policy initiative in several countries. However, there is a lack of research on telehealth utilization in a country such as Japan that offers free access to medical care and regulates telehealth provision-particularly with respect to COVID-19. OBJECTIVE: The present study aimed to clarify telehealth utilization, the characteristics of patients and medical institutions using telehealth, and the changes to telehealth in Japan in order to support the formulation of policy strategies for telehealth provision. METHODS: Using a medical administrative claim database of the National Health Insurance and Advanced Elderly Medical Service System in Mie Prefecture, we investigated patients who used telehealth from January 2017 to September 2021. We examined telehealth utilization with respect to both patients and medical institutions, and we determined their characteristics. Using April 2020 as the reference time point for COVID-19, we conducted an interrupted time-series analysis (ITSA) to assess changes in the monthly proportion of telehealth users to beneficiaries. RESULTS: The number of telehealth users before the reference time point was 13,618, and after the reference time point, it was 28,853. Several diseases and conditions were associated with an increase in telehealth utilization. Telehealth consultations were mostly conducted by telephone and for prescriptions. The ITSA results showed a sharp increase in the proportion of telehealth use to beneficiaries after the reference time point (rate ratio 2.97; 95% CI 2.14-2.31). However, no apparent change in the trend of increasing or decreasing telehealth use was evident after the reference time point (rate ratio 1.00; 95% CI 1.00-1.01). CONCLUSIONS: We observed a sharp increase in telehealth utilization after April 2020, but no change in the trend of telehealth use was evident. We identified changes in the characteristics of patients and providers using telehealth.
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 | 0,006 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».