Virtual care use among older immigrant adults in Ontario, Canada during the COVID-19 pandemic: A repeated cross-sectional analysis
Notice bibliographique
Résumé
The critical role of virtual care during the COVID-19 pandemic has raised concerns about the widening disparities to access by vulnerable populations including older immigrants. This paper aims to describe virtual care use in older immigrant populations residing in Ontario, Canada. In this population-based, repeated cross-sectional study, we used linked administrative data to describe virtual care and healthcare utilization among immigrants aged 65 years and older before and during the COVID-19 pandemic. Visits were identified weekly from January 2018 to March 2021 among various older adult immigrant populations. Among older immigrants, over 75% were high users of virtual care (had two or more virtual visits) during the pandemic. Rates of virtual care use was low (weekly average <2 visits per 1000) prior to the pandemic, but increased for both older adult immigrant and non-immigrant populations. At the start of the pandemic, virtual care use was lower among immigrants compared to non-immigrants (weekly average of 77 vs 86 visits per 1000). As the pandemic progressed, the rates between these groups became similar (80 vs 79 visits per 1000). Virtual care use was consistently lower among immigrants in the family class (75 visits per 1000) compared to the economic (82 visits per 1000) or refugee (89 visits per 1000) classes, and was lower among those who only spoke French (69 visits per 1000) or neither French nor English (73 visits per 1000) compared to those who were fluent in English (81 visits per 1000). This study found that use of virtual care was comparable between older immigrants and non-immigrants overall, though there may have been barriers to access for older immigrants early on in the pandemic. However, within older immigrant populations, immigration category and language ability were consistent differentiators in the rates of virtual care use throughout the pandemic.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».