MétaCan
Menu
Retour à la cohorte
Enregistrement W4286433217 · doi:10.1093/schizbullopen/sgac046

Comparison of Healthcare Utilization Between Telemedicine and Standard Care: A Propensity-Score Matched Cohort Study Among Individuals With Chronic Psychotic Disorders in Ontario, Canada

2022· article· en· W4286433217 sur OpenAlexafffundabout
Ahmad Shakeri, Cherry Chu, Vess Stamenova, Jiming Fang, Lucy C. Barker, Simone N. Vigod, R. Sacha Bhatia, Mina Tadrous

Notice bibliographique

RevueSchizophrenia Bulletin Open · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensWomen's College HospitalUniversity of Toronto
Organismes subventionnairesWomen's College HospitalMinistry of Health
Mots-clésTelemedicineMedicinePropensity score matchingHealth careAmbulatory careAmbulatoryEmergency departmentTelehealthCohortPopulationRetrospective cohort studyEmergency medicineMedical emergencyInternal medicinePsychiatryEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Background: Telemedicine adoption has grown significantly due to the coronavirus of 2019 pandemic; however, it remains unclear what the impact of widespread telemedicine use is on healthcare utilization among individuals with psychosis. Objectives: To investigate the impact of telemedicine use on changes in healthcare utilization among patients with chronic psychotic disorders (CPDs). Study Design: We conducted a population-based, retrospective propensity-matched cohort study using healthcare administrative data in Ontario, Canada. Patients were included if they had at least one ambulatory visit between March 14, 2020 and September 30, 2020 and a CPD diagnosis any time before March 14, 2020. Telemedicine users (2+ virtual visits after March 14, 2020) were propensity score-matched 1:1 with standard care users (minimum of 1 in-person or virtual ambulatory visit and maximum of 1 virtual visit after March 14, 2020) based on several baseline characteristics. Monthly use of various healthcare services was compared between the two groups from 12 months before to 3 months after their index in-person or virtual ambulatory visit after March 14, 2020 using generalized estimating equations (eg, hospitalizations, emergency department [ED] visits, and outpatient physician visits). The slope of change over the study period (ie, rate ratio) as well as a ratio of slopes, were calculated for both telemedicine and standard care groups for each outcome. Study Results: A total of 18 333 pairs of telemedicine and standard care patients were identified after matching (60.8% male, mean [SD] age 45.4 [16.3] years). There was a significantly greater decline across time in the telemedicine group compared to the standard care group for ED visits due to any psychiatric conditions (ratio of slopes for telemedicine vs standard care (95% CI), 0.98 (0.98 to 0.99)). However, declines in primary care visit rates (ratio of slopes for telemedicine vs standard care (1.01 (1.01 to 1.02)), mental health outpatient visits with primary care (1.03 (1.03 to 1.04)), and all-cause outpatient visits with primary care (1.01 (1.01 to 1.02)), were steeper among the standard care group than telemedicine group. Conclusions: Overall, patients with CPDs appeared to benefit from telemedicine as evidenced by increased outpatient healthcare utilization and reductions in ED visits due to psychiatric conditions. This suggests that telemedicine may have allowed this patient group to have better access and continuity of care during the initial waves of the pandemic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,338
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSchizophrenia Bulletin OpenMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207