Economic Evaluation of Telerobotic Ultrasound Technology to Remotely Provide Ultrasound Services in Rural and Remote Communities
Notice bibliographique
Résumé
INTRODUCTION: Telerobotic ultrasound technology allows radiologists and sonographers to remotely provide ultrasound services in underserved areas. This study aimed to compare costs associated with using telerobotic ultrasound to provide ultrasound services in rural and remote communities to costs associated with alternate models. METHODS: A cost-minimization approach was used to compare four ultrasound service delivery models: telerobotic ultrasound (Model 1), telerobotic ultrasound and an itinerant sonographer (Model 2), itinerant sonographer without telerobotic ultrasound (Model 3), and travel to another community for all exams (Model 4). In Models 1-3, travel was assumed when exams could not be successfully performed telerobotically or by an itinerant sonographer. A publicly funded healthcare payer perspective was used for the reference case and a societal perspective was used for a secondary non-reference case. Costs were based on the literature and experience using telerobotic ultrasound in Saskatchewan, Canada. Costs were expressed in 2020 Canadian dollars. RESULTS: Average cost per ultrasound exam was $342, $323, $368, and $478 for Models 1, 2, 3, and 4, respectively, from a publicly funded healthcare payer perspective, and $461, $355, $447, and $849, respectively, from a societal perspective. In one-way sensitivity analyses, Model 2 was the lowest cost from a payer perspective for communities with population >2075 people, distance >350 km from the nearest ultrasound facility, or >47% of the population eligible for publicly funded medical transportation. CONCLUSION: Health systems may wish to consider solutions such as telerobotic ultrasound and itinerant sonographers to reduce healthcare costs and improve access to ultrasound in rural and remote communities.
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 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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».