Telehealth in the context of COVID-19: An Analysis of Men’s Usage and Perceptions in Comparison to In-Person Healthcare
Notice bibliographique
Résumé
Introduction: The rise in telehealth adoption due to the emergence of COVID-19 may have had implications for men who experience barriers to accessing traditional forms of healthcare. This study sought to explore how a sample of older men interacted with telehealth during the pandemic. Method: Data sourced from a cross-sectional, population-based questionnaire (completed from October 2020 to March 2021) were used to analyze the characteristics of older men’s (a) use of telehealth services, and (b) perceptions of telehealth in comparison to in-person healthcare using Andersen’s Behavioral Model of Health Services Use. Results: Of the 731 participants (mean age = 69 years; SD = 9.6), 241 (32.9%) had used telehealth services during pandemic restrictions. Most of them who had used telehealth (63.1%; 152/241) thought it was “just as good” as in-person, 4.1% (10/241) believed it was “better,” and 25.7% (62/241) thought it was “worse.” Men with more chronic conditions were more likely to (a) have used telehealth (odds ratio [OR], 1.44 [95% CI, 1.21–1.71]) and (b) perceived telehealth as “better” or “just as good” as in-person healthcare (OR, 1.63 [95% CI, 1.17–2.29]). Men with clinically significant depressive symptoms were more likely to view telehealth as worse than in-person care (OR, 0.32 [95% CI, 0.12–0.88]). Conclusion: While telehealth is acceptable to the majority of middle-aged and older men who have used it during the pandemic, attitudes may vary according to their current health issues. Men with more chronic conditions are more likely to feel positive about telehealth, while those with clinically significant depression symptoms are more likely to view it negatively. Healthcare providers should consider men’s needs and preferences when offering telehealth services.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».