Cost Analysis of a Patient Portal Used to Remotely Monitor COVID-19 Patients in Quebec
Notice bibliographique
Résumé
BACKGROUND: Telemonitoring for COVID-19 has gained much attention due to its potential in reducing morbidity, healthcare utilization, and costs. However, its benefit with regard to economic outcomes has yet to be clearly demonstrated. OBJECTIVE: To analyze the costs associated with the use of the Opal portal to monitor COVID-19 patients during their 14-day confinement in Quebec and compare them to those of non-users of any home telemonitoring technology. METHODS: A cost analysis was conducted through a cross-sectional study between COVID-19 patients who used (PU) the Opal platform during their 14-day confinement at home and those who did not use (PNU) any home remote monitoring technology. Data was collected between June 2021 to April 2022. An individual interview with each participant using an adapted questionnaire was conducted by telephone or online using a teleconferencing platform. A micro-costing approach was undertaken using a dual patient and Quebec's health-care system perspective. RESULTS: 27 telemonitoring participants, 29 non-users, 8 clinicians, and 4 managers were included. Telemonitoring reduced the average total costs incurred by PU by 82% ($537.3CAD) between PU ($117.2CAD) and PNU ($654.5CAD). Telemonitoring enrollees used healthcare less intensely with fewer emergency room visits (1 PU compared to 6 PNU), which translated to an average savings of $253.3CAD per patient. CONCLUSION: This is the first study to demonstrate that telemonitoring through the Opal platform is a viable strategy to reduce healthcare costs and utilization for patients and the healthcare system. The evidence provides strong support for introducing telemonitoring as a component of case management.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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 ».