Improving Telehealth Equity in Response to COVID-19 in California: ACTIVATE and Lighthouse
Notice bibliographique
Résumé
Background In response to the significant stressors on health care delivery created by COVID-19, CITRIS Health and partner organizations developed 2 telehealth solutions through a rapid co-design process: Lighthouse and ACTIVATE. These programs were developed to support providers serving underserved and vulnerable populations who lack the tools and resources to support patients with chronic illness or who are isolated. These challenges were exacerbated by the COVID-19 pandemic, which increased the need for resources to support vulnerable patients who could not come into a clinic in person or were isolated and lacked access to services. ACTIVATE and Lighthouse apply 2 different telehealth strategies to reach vulnerable populations. Objective This paper presents lessons learned from the design, development, and implementation of 2 innovative telehealth programs developed to improve health care delivery, access to care, digital literacy, and patient outcomes: ACTIVATE and Lighthouse. Methods ACTIVATE is a comprehensive digital health pathway for community health centers that care for those who are medically underserved. ACTIVATE is an innovative, evidence-based, and sustainable telehealth program, designed to benefit vulnerable populations in rural and agricultural communities in the California Central Valley who experience significant health disparities. Lighthouse focuses on connecting older adults in congregate affordable housing, which are settings where residents are particularly vulnerable to isolation, the lack of health care resources, and limited to no access to the internet. Lighthouse provides digital literacy training as well as access to broadband internet with the goal of increasing communication, engagement, and access to health care. Results This presentation will discuss successful design and implementation strategies as well as organizational and policy barriers to program operations. Conclusions In addition to reviewing program and implementation outcomes, strategies for replication and sustainability will be discussed. Although developed in response to COVID-19, the ultimate success of Lighthouse and ACTIVATE is dependent upon its successful scaling beyond the pandemic. Conflicts of Interest None declared.
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 | 0,002 | 0,003 |
| 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 | 0,000 |
| 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 ».