Feasibility of telemedicine research visits in people with Parkinson’s disease residing in medically underserved areas
Notice bibliographique
Résumé
Introduction: Gait, balance, and cognitive impairment make travel cumbersome for People with Parkinson's disease (PwPD). About 75% of PwPD cared for at the University of Arkansas for Medical Sciences' Movement Disorders Clinic reside in medically underserved areas (MUAs). Validated remote evaluations could help improve their access to care. Our goal was to explore the feasibility of telemedicine research visits for the evaluation of multi-modal function in PwPD in a rural state. Methods: In-home telemedicine research visits were performed in PwPD. Motor and non-motor disease features were evaluated and quantified by trained personnel, digital survey instruments for self-assessments, digital voice recordings, and scanned and digitized Archimedes spiral drawings. Participant's MUA residence was determined after evaluations were completed. Results: Twenty of the fifty PwPD enrolled resided in MUAs. The groups were well matched for disease duration, modified motor UPDRS, and Montreal Cognitive assessment scores but MUA participants were younger. Ninety-two percent were satisfied with their visit, and 61% were more likely to participate in future telemedicine research. MUA participants traveled longer distances, with higher travel costs, lower income, and education level. While 50% of MUA participants reported self-reliance for in-person visits, 85% reported self-reliance for the telemedicine visit. We rated audio-video quality highly in approximately 60% of visits in both groups. There was good correlation with prior in-person research assessments in a subset of participants. Conclusions: In-home research visits for PwPD in MUAs are feasible and could help improve access to care and research participation in these traditionally underrepresented populations.
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 | 0,023 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 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 ».