MétaCan
Menu
← Retour à la cohorte
Enregistrement W4288055735 · doi:10.2196/preprints.40989

Transgender and non-binary people’s preferences for virtual health care post-pandemic: A cross-sectional Canadian study (Preprint)

2022· preprint· en· W4288055735 sur OpenAlexaboutno aff
Jose M. Navarro, Ayden I. Scheim, Greta R. Bauer

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTransgenderPandemicHealth careCross-sectional studyPsychologyMedicineFamily medicineCoronavirus disease 2019 (COVID-19)Political science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND Virtual health care use has dramatically increased in response to the COVID-19 pandemic, raising the question of its potential role post-pandemic. For transgender and non-binary (TNB) people, virtual care is promising because it may expand access to health care providers who are affirming and competent to address TNB health needs. However, emerging research indicates potential disparities in virtual care access related to sociodemographic, health, and social factors. There is a paucity of research on the factors affecting patient preferences for virtual versus in-person care, particularly in TNB communities. OBJECTIVE This study aims to identify sociodemographic, health, and social factors associated with post-pandemic virtual care preferences in TNB communities. METHODS The 2020 Trans PULSE Canada COVID Survey examined health, social, and economic impacts of the COVID-19 pandemic among 820 TNB participants who previously completed the prepandemic 2019 Trans PULSE Canada survey (n=2783). Data were weighted to the demographics of the 2019 sample. Chi-square tests were used to compare post-pandemic preferences for virtual versus in-person care across sociodemographic, health, and social characteristics. Participants provided open-text responses explaining their preferences, which were used to contextualize the quantitative findings. RESULTS Of 812 participants who indicated whether they would prefer virtual or in-person care post-pandemic, a weighted 32.7% (n=275) would prefer virtual care and 67.3% (n=537) would prefer in-person care. Preferences for in-person over virtual care were associated with being in the 14-19 (85.0%), 50-64 (80.0%), and 65+ (90.7%) age groups (P=.002). Preferences for virtual over in-person care were associated with having a chronic health condition (37.7% versus 29.9%; P=.03) and having probable anxiety (34.7% versus 25.7%; P=.04). Among participants with romantic partners, preferences varied based on the partner’s level of support for gender identity or expression (P=.004); participants with moderately supportive partners were more likely than participants with very supportive partners to prefer in-person care (85.1% versus 62.3%). Care preferences did not vary significantly based on indicators of socioeconomic status. Open-text responses showed that multiple factors often interacted to influence participant preferences, and that some factors such as having a chronic condition simultaneously led some participants to prefer virtual care and others to prefer in-person care. CONCLUSIONS TNB people may have differential interest in virtual care based on factors including age, chronic and mental health conditions, and gender-unsupportive home environments. Future research examining virtual care preferences would benefit from mixed-methods intersectional approaches across these factors, to explore complexity in barriers and facilitators to virtual care access and quality. These observed differences support flexibility with options to choose between in-person and virtual modalities of health care to meet TNB patients’ specific health needs.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,029
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,068
Tête enseignante GPT0,409
Écart entre enseignants0,340 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTelemedicine and Telehealth Implementation→Travaux en français237 207→