A population-based analysis of rheumatology care patterns for inflammatory arthritis during COVID-19 in Alberta, Canada
Notice bibliographique
Résumé
OBJECTIVE: The aim of the study was to understand the impact of the COVID-19 pandemic on inflammatory arthritis (IA) rheumatology care in Alberta, Canada. METHODS: We used linked provincial health administrative datasets to establish an incident cohort of individuals with rheumatoid arthritis (RA), psoriatic arthritis (PsA) and Ankylosing Spondylitis (AS) seen at least once by a rheumatologist. We examined incidence rates (IR) per 100,000 population, and patterns of follow-up care between 2011 and 2022. In a subset of individuals diagnosed five years prior to the pandemic, we report on those lost to follow-up during the pandemic, and those with virtual care visits followed by in-person visit within 30 days. Multivariable logistic regression was used to examine patient characteristics associated with these patterns of care. RESULTS: The IR for RA in 2020 declined compared to previous years (44.6), but not for AS (9.2) or PsA (9.1). In 2021 IRs rose (RA 49.5; AS 11.8; PsA 11.8). Among those diagnosed within 5 years of the pandemic, 632 (6.0 %) were lost to follow-up, with characteristics of those lost to follow-up differing between IA types. 1444 individuals had at least one virtual visit followed within 30 days by an in-person follow-up. This was less common in males (OR 0.69-0.79) and more common for those with a higher frequency of physician visits prior to the pandemic (OR 1.27-1.32). CONCLUSION: Impacts of patterns of care during the pandemic should be further explored for healthcare planning to uphold optimal care access and promote effective use of virtual care.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».