Determinants of Telemedicine Service Use Among Middle-Aged and Older Adults in Germany During the COVID-19 Pandemic: Cross-Sectional Survey Study
Notice bibliographique
Résumé
Background: The occurrence of the COVID-19 pandemic demanded fast changes in the delivery of health care. As a result, significant growth in the use of telemedicine services occurred. Research, especially from nationally representative German samples, is needed to better understand determinants of telemedicine use. Objective: The purpose of this study was to identify determinants of telemedicine service use among middle-aged and older adults during the COVID-19 pandemic in Germany. Methods: Cross-sectional, nationally representative data were taken from the German sample of the Survey of Health, Ageing and Retirement in Europe (SHARE). The German Corona Survey 2 (n=2039), which was conducted between June and August 2021, was used for this study. Reporting experience with remote medical consultations during the COVID-19 pandemic served as the outcome measure. Associations with socioeconomic, psychological, social, health-related, and COVID-19-related determinants were examined using multiple Firth logistic regressions. Results: Psychological factors including feeling nervous, anxious, or on edge (odds ratio [OR] 1.61, 95% CI 1.04-2.50; P=.03), feeling sad or depressed (OR 1.62, 95% CI 1.05-2.51; P=.03) and feelings of loneliness (OR 1.66, 95% CI 1.07-2.58; P=.02) were positively associated with telemedicine use. Moreover, forgoing medical treatment because of being afraid of being infected by SARS-CoV-2 (OR 1.81, 95% CI 1.10-2.97; P=.02) and describing limitations because of a health problem as severe were positively associated with the outcome (OR 2.11, 95% CI 1.12-4.00; P=.02). Socioeconomic and social factors were not significantly associated with telemedicine use in our sample. Conclusions: Middle-aged and older individuals in Germany seem to use telemedicine services according to psychological needs and health limitations. Especially when psychological symptoms are experienced, telemedicine seems to be a promising service option in this age group. Future research is needed to confirm these initial findings in postpandemic circumstances.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».