Association of Virtual Care Expansion With Environmental Sustainability and Reduced Patient Costs During the COVID-19 Pandemic in Ontario, Canada
Notice bibliographique
Résumé
Importance: There is a growing focus on environmental sustainability in health care. Objective: To estimate the environmental and patient-level financial benefits associated with the widespread adoption of virtual care during the COVID-19 pandemic. Design, Setting, and Participants: This population-based cross-sectional study obtained data from linked administrative databases in the universal health care system of Ontario, Canada, from March 2020 to December 2021. Participants included all people with a physician claim for at least 1 episode of virtual care. Exposures: Patients were stratified by age, socioeconomic status quintiles, Charlson Comorbidity Index, and area of residence (rural or urban). Main Outcomes and Measures: The primary outcomes were total travel distance and estimated travel-related carbon dioxide emissions avoided owing to virtual care visits. Different model assumptions were used to account for electric and hybrid vehicles and public transit use. The secondary outcomes were estimated patient costs (gasoline, parking, or public transit expenses) avoided. Results: During the 22-month study period, 10 146 843 patients (mean [SD] age, 44.1 [23.1] years; 5 536 611 women [54.6%]) had 63 758 914 physician virtual care visits. These visits were associated with avoidance of 3.2 billion km of travel distance and between 545 and 658 million kg of carbon dioxide emissions. Patients avoided an estimated total of $569 to $733 million (Canadian [US $465-$599 million]) in parking, public transit, and gasoline costs. Carbon dioxide emission avoidance and patient cost savings were more apparent in patients living in rural areas, those with higher comorbidity, and those who were older than 65 years. Conclusions and Relevance: Results of this study suggest that virtual care was associated with a large amount of carbon dioxide emissions avoided owing to reduced patient travel and with millions of dollars saved in parking, gasoline, or public transit costs. These benefits are likely to continue as virtual care is maintained as part of the health care system.
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 | 0,000 | 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) | 0,000 | 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 ».