MétaCan
Menu
Retour à la cohorte
Enregistrement W4389436474 · doi:10.1186/s12913-023-10373-2

Age and sex-related comparison of referral-based telemedicine service utilization during the COVID-19 pandemic in Ontario: a retrospective analysis

2023· article· en· W4389436474 sur OpenAlexaffabout
Hubert Wong, Yasmeen Razvi, Muhammad Akhter Hamid, Niraj Mistry, Guido Filler

Notice bibliographique

RevueBMC Health Services Research · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensWestern UniversityUniversity of TorontoHospital for Sick ChildrenThe Scarborough Hospital
Organismes subventionnairesnon disponible
Mots-clésTelemedicineMedicineRetrospective cohort studyPandemicReferralPublic healthTelehealthCoronavirus disease 2019 (COVID-19)Health careFamily medicineDemographyNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic has led to increased utilization of telemedicine services. METHODS: A retrospective analysis of all referral-based ambulatory telemedicine services in Ontario from November 2019 to June 2021 was collected from the Ontario Health Insurance Plan (OHIP) billing database. Only fee-for-service billings were included in the present analysis. Coincident COVID-19 cases were obtained from Public Health Ontario. Comparisons were made based on age bracket, sex, telemedicine and in-person care. RESULTS: Billings for telemedicine services in Ontario increased from $1.7 million CAD in November 2019 to $64 million CAD in April 2020 and the proportions reached a mean peak of 72% in April 2020 and declined to 46% in June 2021. A positive correlation was found between the use of telemedicine and COVID-19 cases (p = 0.05). The age group with the highest proportion of telemedicine use was the 10-20-year-olds, followed by the 20-50-year-olds (61 ± 9.0%, 55 ± 7.3%, p = 0.01). Both age groups remained above 50% telemedicine services at the end of the study period. There seemed to be higher utilization by females (females 54.2 ± 8.0%, males 47.9 ± 7.7%, ANCOVA p = 0.05) for all specialties, however, after adjusting for male to female ratio m:f of 0.952:1.0 according to the 2016 census, this was no longer significant. CONCLUSIONS: The use of telemedicine services remained at a high level across groups, particularly the 10-50-year-olds. There were clear age preferences for using telemedicine. Studying these differences may provide insights into how the delivery of non-hospital-based medicine has changed during the COVID-19 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,244
Score d'incertitude au seuil0,492

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,232
Tête enseignante GPT0,513
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207