From 0-50 in Pandemic, and Then Back? A Case Study of Virtual Care in Ontario Pre–COVID-19, During, and Post–COVID-19
Notice bibliographique
Résumé
We review the evolution of virtual care (VC) in Ontario. Pre-COVID-19, the primary focus was on patients in remote and underserved areas who went to host sites for care. Ontario's vision pre-pandemic was for a gradual increase in VC by physicians registered with the Ontario Telemedicine Network (OTN), using OTN-approved video technologies; some accommodated patients and doctors wherever they were. Less than 1% of care was virtual pre-pandemic. We discuss how policies that altered access to in-person care (pandemic lockdowns and guidelines to seek and provide care virtually), compensation policy changes (allowing any Ontario physician to be compensated for VC), and policies allowing common technologies not previously allowed (including, importantly, the telephone), drove and enabled a rapid shift to >50% of care being virtual at the start of the pandemic, leveling off to ∼30% over time. We review policy changes in late 2022 and predict these will result in a drop in VC compared with the policies during the pandemic, particularly for walk-in clinic patients, in a province where 2.2-4.6 million people do not have a primary care doctor and presumably use walk-in clinics. This is because, going forward, physicians will be compensated less for telephone care than for in-person or video care for rostered patients, and because compensation will be less still for telephone or video care provided to walk-in patients. Through this case study we develop a visual model of how these key policy and technology factors influence the provision of VC.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».