MétaCan
Menu
Retour à la cohorte
Enregistrement W4403170382 · doi:10.2196/59138

Temporary Telemedicine Policy and Chronic Disease Management in South Korea: Retrospective Analysis Using National Claims Data

2024· article· en· W4403170382 sur OpenAlexvenueno aff
Ji Ye Kang, Weon Jung, Hyun Ji Kim, Ji Hyun An, Hee Yoon, Taerim Kim, Hansol Chang, Sung Yeon Hwang, Jong Eun Park, Gun Tak Lee, Won Chul, Sejin Heo, Se Uk Lee

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintTelemedicineDisease managementMedicineInternet privacyBusinessComputer securityComputer scienceWorld Wide WebHealth careAlternative medicineHealth management systemEconomic growthPathologyEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Since its introduction, telemedicine for patients with chronic diseases has been studied in various clinical settings. However, there is limited evidence of the effectiveness and medical safety of the nationwide adoption of telemedicine. OBJECTIVE: This study aimed to analyze the effects of telemedicine on chronic diseases during the COVID-19 pandemic under a temporary telemedicine policy in South Korea using national claims data. METHODS: Health insurance claims data were extracted over 2 years: 1 year before (from February 24, 2019, to February 23, 2020) and 1 year after the policy was implemented (from February 24, 2020, to February 23, 2021). We included all patients who used telemedicine at least once in the first year after the policy was implemented and compared them with a control group of patients who never used telemedicine. The comparison focused on health care use; the medication possession ratio (MPR); and admission rates to general wards (GWs), emergency departments (EDs), and intensive care units (ICUs) using difference-in-differences analysis. A total of 4 chronic diseases were targeted: hypertension, diabetes mellitus (DM), chronic obstructive pulmonary disease (COPD), and common mental disorders. RESULTS: A total of 1,773,454 patients with hypertension; 795,869 patients with DM; 37,460 patients with COPD; and 167,084 patients with common mental disorders were analyzed in this study. Patients diagnosed with hypertension or DM showed increased MPRs without an increase in GW, ED, or ICU admission rates during the policy year. Moreover, patients in the DM group who did not use telemedicine had higher rates of ED, GW, and ICU admissions, and patients in the hypertension group had higher rates of GW or ICU admissions after 1 year of policy implementation. This trend was not evident in COPD and common mental disorders. CONCLUSIONS: The temporary telemedicine policy was effective in increasing medication adherence and reducing admission rates for patients with hypertension and DM; however, the efficacy of the policy was limited for patients with COPD and common mental disorders. Future studies are required to demonstrate the long-term effects of telemedicine policies with various outcome measures reflecting disease characteristics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,072
Tête enseignante GPT0,412
Écart entre enseignants0,340 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207