MétaCan
Menu
Retour à la cohorte
Enregistrement W4300874789 · doi:10.2196/37272

Racial Disparities in Patient-Provider Communication During Telehealth Visits Versus Face-to-face Visits Among Asian and Native Hawaiian and Other Pacific Islander Patients With Cancer: Cross-sectional Analysis

2022· article· en· W4300874789 sur OpenAlexvenueno aff
Jared D. Acoba, Chelsea Yin, Michael Meno, Justin Abe, Ian Pagano, Sharon Tamashiro, Kristy Fujinaga, Christa Braun‐Inglis, Jami Fukui

Notice bibliographique

RevueJMIR Cancer · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesNational Cancer Institute
Mots-clésTelehealthPacific islandersMedicineTelemedicineFamily medicinePatient satisfactionCross-sectional studyHealth equityLogistic regressionGerontologyHealth careNursingPublic healthInternal medicineEnvironmental healthPopulation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Telehealth visits increase patients' access to care and are often rated as "just as good" as face-to-face visits by oncology patients. Telehealth visits have become increasingly more common in the care of patients with cancer since the advent of the COVID-19 pandemic. Asians and Pacific Islanders are two of the fastest growing racial groups in the United States, but there are few studies assessing patient satisfaction with telemedicine among these two racial groups. OBJECTIVE: Our objective was to compare satisfaction with communication during telehealth visits versus face-to-face visits among oncology patients, with a specific focus on Asian patients and Native Hawaiian and other Pacific Islander (NHOPI) patients. METHODS: We surveyed a racially diverse group of patients who were treated at community cancer centers in Hawaii and had recently experienced a face-to-face visit or telehealth visit. Questions for assessing satisfaction with patient-physician communication were adapted from a previously published study of cancer survivors. Variables that impact communication, including age, sex, household income, education level, and cancer type and stage, were captured. Multivariable logistic models for patient satisfaction were created, with adjustments for sociodemographic factors. RESULTS: Participants who attended a face-to-face visit reported higher levels of satisfaction in all communication measures than those reported by participants who underwent a telehealth encounter. The univariate analysis revealed lower levels of satisfaction during telehealth visits among Asian participants and NHOPI participants compared to those among White participants for all measures of communication (eg, when asked to what degree "[y]our physician listened carefully to you"). Asian patients and NHOPI patients were significantly less likely than White patients to strongly agree with the statement (P<.004 and P<.007, respectively). Racial differences in satisfaction with communication persisted in the multivariate analysis even after adjusting for sociodemographic factors. There were no significant racial differences in communication during face-to-face visits. CONCLUSIONS: Asian patients and NHOPI patients were significantly less content with patient-physician communication during telehealth visits when compared to White patients. This difference among racial groups was not seen in face-to-face visits. The observation that telehealth increases racial disparities in health care satisfaction should prompt further exploration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,018
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,347
Écart entre enseignants0,329 · 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 tête enseignante, 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

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR CancerMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207