Virtual Care During the COVID-19 Pandemic for Patients With Hematologic Malignancies: A Single-Institution Experience
Notice bibliographique
Résumé
PURPOSE: The use of virtual care rapidly increased during the COVID-19 pandemic and has persisted as a routine method of care delivery. Much of the literature on virtual care in oncology has focused on solid tumors, and little is known about its application in malignant hematology. METHODS: We performed a retrospective review of patients with hematologic malignancies at Princess Margaret Cancer Centre from October 2019 to March 2021 to determine the use of virtual care during this period, cost-savings associated with virtual visits, and patient satisfaction. Patient satisfaction was assessed using the Your Voice Matters survey, a provincially administered survey to evaluate patient experience. RESULTS: Overall, 12.1% (1,122/9,295) of patients had a virtual visit during the study period (0% from October 2019 to February 2020, 36% from March to August 2020, and 30% from September 2020 to March 2021), of which 36% were in the lymphoma clinic and 46% were in the myeloma clinic. The mean two-way opportunity cost for an in-person visit was $168.00 CAD per person with public transit, and $120.40 CAD per person driving. Responses to the Your Voice Matters survey indicated that patients with a virtual visit reported that physical symptoms were discussed appropriately (mean 4.73/5), and were more likely to ask for a follow-up virtual visit compared with patients with in-person visits (mean 4.50/5 v 3.02/5, respectively; P < .01). CONCLUSION: These findings suggest that virtual care may be a feasible and well-received tool for delivering care to a substantial proportion of patients with hematologic malignancies, while enabling substantial cost-savings to patients.
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 | 0,014 |
| 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 | 0,001 | 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 ».