Telehealth Availability for Cancer Care During the COVID-19 Pandemic: Cross-Sectional Study
Notice bibliographique
Résumé
BACKGROUND: Telehealth was an important strategy for maintaining continuity of cancer care during the coronavirus pandemic and has continued to play a role in outpatient care; however, it is unknown whether services are equally available across cancer hospitals. OBJECTIVE: This study aimed to assess telehealth availability at cancer hospitals for new and established patients with common cancers to contextualize the impact of access barriers to technology on overall access to health care. METHODS: We conducted a national cross-sectional secret shopper study from June to November 2020 to assess telehealth availability at cancer hospitals for new and established patients with colorectal, breast, and skin (melanoma) cancer. We examined facility-level factors to determine predictors of telehealth availability. RESULTS: Of the 312 investigated facilities, 97.1% (n=303) provided telehealth services for at least 1 cancer site. Telehealth was less available to new compared to established patients (n=226, 72% vs n=301, 97.1%). The surveyed cancer hospitals more commonly offered telehealth visits for breast cancer care (n=266, 85%) and provided lower access to telehealth for skin (melanoma) cancer care (n=231, 74%). Most hospitals (n=163, 52%) offered telehealth for all 3 cancer types. Telehealth availability was weakly correlated across cancer types within a given facility for new (r=0.16, 95% CI 0.09-0.23) and established (r=0.14, 95% CI 0.08-0.21) patients. Telehealth was more commonly available for new patients at National Cancer Institute-designated facilities, medical school-affiliated facilities, and major teaching sites, with high total admissions and below-average timeliness of care. Telehealth availability for established patients was highest at Academic Comprehensive Cancer Programs, nongovernment and nonprofit facilities, medical school-affiliated facilities, Accountable Care Organizations, and facilities with a high number of total admissions. CONCLUSIONS: Despite an increase in telehealth services for patients with cancer during the COVID-19 pandemic, we identified differences in access across cancer hospitals, which may relate to measures of clinical volume, affiliation, and infrastructure.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».