Drivers of variation in telemedicine use during the COVID-19 pandemic: The experience of a large academic cardiovascular practice
Notice bibliographique
Résumé
BACKGROUND: COVID-19 spurred rapid adoption and expansion of telemedicine. We investigated the factors driving visit modality (telemedicine vs. in-person) for outpatient visits at a large cardiovascular center. METHODS: We used electronic health record data from March 2020 to February 2021 from four cardiology subspecialties (general cardiology, electrophysiology, heart failure, and interventional cardiology) at a large academic health system in Northern California. There were 21,912 new and return visits with 69% delivered by telemedicine. We used hierarchical logistic regression and cross-validation methods to estimate the variation in visit modality explained by patient, clinician, and visit factors as measured by the mean area under the curve. RESULTS: Across all subspecialties, the clinician seen was the strongest predictor of telemedicine usage, while primary visit diagnosis was the next most predictive. In general cardiology, the model based on clinician seen had a mean area under the curve of 0.83, the model based on the primary diagnosis had a mean area under the curve of 0.69, and the model based on all patient characteristics combined had a mean area under the curve of 0.56. There was significant variation in telemedicine use across clinicians within each subspecialty, even for visits with the same primary visit diagnosis. CONCLUSION: Individual clinician practice patterns had the largest influence on visit modality across subspecialties in a large cardiovascular medicine practice, while primary diagnosis was less predictive, and patient characteristics even less so. Cardiovascular clinics should reduce variability in visit modality selection through standardized processes that integrate clinical factors and patient preference.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».