In-Clinic versus Hybrid Cancer Rehabilitation Service Delivery during the COVID-19 Pandemic: An Outcome Comparison Study
Notice bibliographique
Résumé
Diminished health-related quality of life (HRQOL) is common among cancer survivors but often amendable to rehabilitation. However, few access real-world rehabilitation services. Hybrid delivery modes (using a combination of in-clinic and synchronous telehealth visits) became popular during the COVID-19 pandemic and offer a promising solution to improve access beyond the pandemic. However, it is unclear if hybrid delivery has the same impact on patient-reported outcomes and experiences as standard, in-clinic-only delivery. To fill this gap, we performed a retrospective, observational, comparative outcomes study of real-world electronic medical record (EMR) data collected by a national outpatient rehabilitation provider in 2020–2021. Of the cases meeting the inclusion criteria (N = 2611), 60 were seen to via hybrid delivery. The outcomes evaluated pre and post-rehabilitation included PROMIS® global physical health (GPH), global mental health (GMH), physical function (PF), and the ability to participate in social roles and activities (SRA). The patient experience outcomes included the Net Promoter Survey (NPS®) and the Select Medical Patient-Reported Experience Measure (SM-PREM). A linear and logistic regression was used to examine the between-group differences in the PROMIS and SM-PREM scores while controlling for covariates. The hybrid and in-clinic-only cases improved similarly in all PROMIS outcomes (all p < 0.05). The association between the delivery mode and the likelihood of achieving the minimal important change in the PROMIS outcomes was non-significant (all p > 0.05). No between-group differences were observed in the NPS or SM-PREM scores (all p > 0.05). Although more research is needed, this real-world evidence suggests that hybrid rehabilitation care may be equally beneficial for and acceptable to cancer survivors and supports calls to expand access to and reimbursement for telerehabilitation.
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».