Association of virtual end-of-life care with healthcare outcomes before and during the COVID-19 pandemic: A population-based study
Notice bibliographique
Résumé
The use of virtual care for people at the end-of-life significantly increased during the COVID-19 pandemic, but its association with acute healthcare use and location of death is unknown. The objective of this study was to measure the association between the use of virtual end-of-life care with acute healthcare use and an out-of-hospital death before vs. after the introduction of specialized fee codes that enabled broader delivery of virtual care during the COVID-19 pandemic. This was a population-based cohort study of 323,995 adults in their last 90 days of life between January 25, 2018 and December 31, 2021 using health administrative data in Ontario, Canada. Primary outcomes were acute healthcare use (emergency department, hospitalization) and location of death (in or out-of-hospital). Prior to March 14, 2020, 13,974 (8%) people received at least 1 virtual end-of-life care visit, which was associated with a 16% higher rate of emergency department use (adjusted Rate Ratio [aRR] 1.16, 95%CI 1.12 to 1.20), a 17% higher rate of hospitalization (aRR 1.17, 95%CI 1.15 to 1.20), and a 34% higher risk of an out-of-hospital death (aRR 1.34, 95%CI 1.31 to 1.37) compared to people who did not receive virtual end-of-life care. After March 14, 2020, 104,165 (71%) people received at least 1 virtual end-of-life care visit, which was associated with a 58% higher rate of an emergency department visit (aRR 1.58, 95%CI 1.54 to 1.62), a 45% higher rate of hospitalization (aRR 1.45, 95%CI 1.42 to 1.47), and a 65% higher risk of an out-of-hospital death (aRR 1.65, 95%CI 1.61 to 1.69) compared to people who did not receive virtual end-of-life care. The use of virtual end-of-life care was associated with higher acute healthcare use in the last 90 days of life and a higher likelihood of dying out-of-hospital, and these rates increased during the 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 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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».