Telemedicine Utilization Patterns and Implications Amidst COVID-19 Outbreaks in Thailand Under Public Universal Coverage Scheme
Notice bibliographique
Résumé
During COVID-19 pandemic, telemedicine was a strategy to facilitate healthcare service delivery minimizing the risk of direct exposure among people. In Thailand, the National Health Security Office has included telemedicine services under the Universal Coverage Scheme to support social distancing policies to reduce the spread of COVID-19. This study aimed to determine the patterns of telemedicine service use during major COVID-19 outbreaks including Alpha, Delta, and Omicron in Thailand. We retrospectively analyzed a dataset of telemedicine e-claims from the National Health Security Office, which covers services reimbursed under the Universal Coverage Scheme between December 2020 and August 2022. An interrupted time-series analysis, Pearson correlation analysis and binary logistic regression were performed. Almost 70% of the patients using telemedicine services were over 40 years old. Most patients used services for mental health problems (25.6%) and major noncommunicable diseases, including essential hypertension (12.6%) and diabetes mellitus (9.2%). The daily number of using telemedicine service was strongly correlated with the number of COVID-19 new cases detected. An immediate change in the trend of using telemedicine was detected at the onset of outbreaks along with the surge of infection. The follow-up use of telemedicine services was not substantial among female, older adults patients and those with non-communicable diseases except mental health problems, and infectious diseases. Strategies need to be developed to reinforced healthcare resources for telemedicine during the surge of outbreaks and sustain the use of telemedicine services for chronic and infectious diseases, regardless of the pandemic, and promote the efficiency of healthcare systems.
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) | 0,000 | 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 ».