Sociodemographic disparities in the use of cardiovascular ambulatory care and telemedicine during the COVID-19 pandemic
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic accelerated adoption of telemedicine in cardiology clinics. Early in the pandemic, there were sociodemographic disparities in telemedicine use. It is unknown if these disparities persisted and whether they were associated with changes in the population of patients accessing care. METHODS: We examined all adult cardiology visits at an academic and an affiliated community practice in Northern California from March 2019 to February 2020 (pre-COVID) and March 2020 to February 2021 (COVID). We compared patient sociodemographic characteristics between these periods. We used logistic regression to assess the association of patient/visit characteristics with visit modality (in-person vs telemedicine and video- vs phone-based telemedicine) during the COVID period. RESULTS: There were 54,948 pre-COVID and 58,940 COVID visits. Telemedicine use increased from <1% to 70.7% of visits (49.7% video, 21.0% phone) during the COVID period. Patient sociodemographic characteristics were similar during both periods. In adjusted analyses, visits for patients from some sociodemographic groups were less likely to be delivered by telemedicine, and when delivered by telemedicine, were less likely to be delivered by video versus phone. The observed disparities in the use of video-based telemedicine were greatest for patients aged ≥80 years (vs age <60, OR 0.24, 95% CI 0.21, 0.28), Black patients (vs non-Hispanic White, OR 0.64, 95% CI 0.56, 0.74), patients with limited English proficiency (vs English proficient, OR 0.52, 95% CI 0.46-0.59), and those on Medicaid (vs privately insured, OR 0.47, 95% CI 0.41-0.54). CONCLUSIONS: During the first year of the pandemic, the sociodemographic characteristics of patients receiving cardiovascular care remained stable, but the modality of care diverged across groups. There were differences in the use of telemedicine vs in-person care and most notably in the use of video- vs phone-based telemedicine. Future studies should examine barriers and outcomes in digital healthcare access across diverse patient groups.
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 | 0,001 | 0,004 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».