Telemedicine use and outcomes after transient ischemic attack and minor stroke during the COVID-19 pandemic: a population-based cohort study
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has led to an increase in telemedicine use. We compared care and outcomes in patients with transient ischemic attack (TIA) or minor ischemic stroke before and after the widespread adoption of telemedicine in Ontario, Canada, in 2020. METHODS: In a population-based cohort study using linked administrative data, we identified patients with TIA or ischemic stroke discharged from any emergency department in Ontario before the widespread use of telemedicine (Apr. 1, 2015, to Mar. 31, 2020) and after (Apr. 1, 2020, to Mar. 31, 2021). We measured care, including visits with a physician, investigations and medication renewal. We compared 90-day death before and after 2020 using Cox proportional hazards models, and we compared 90-day admission using cause-specific hazard models. RESULTS: = 11 906, 25.0%). After 2020, 83.1% of patients had 1 or more telemedicine visit within 90 days of emergency department discharge, compared with 3.8% before. The overall access to outpatient visits within 90 days remained unchanged (92.9% before v. 94.0% after; risk difference 1.1, 95% confidence interval [CI] -1.3 to 3.5). Investigations and medication renewals were unchanged. Clinical outcomes were also similar before and after 2020; the adjusted hazard ratio was 0.97 (95% CI 0.91 to 1.04) for 90-day all-cause admission, 1.06 (95% CI 0.94 to 1.20) for stroke admission and 1.07 (95% CI 0.93 to 1.24) for death. INTERPRETATION: Care and short-term outcomes after TIA or minor stroke remained stable after the widespread implementation of telemedicine during the COVID-19 pandemic. Our findings suggest that telemedicine is an effective method of health care delivery that can be complementary to in-person care for minor ischemic cerebrovascular events.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».