Telemedicine expands cardiovascular care in China – lessons for health equity in the United States
Notice bibliographique
Résumé
Unequal access to high-quality healthcare remains one of the most urgent health concerns within the United States 1 and throughout the world 2 . Inequities in access to healthcare worsen health and contribute to over $300 billion in excess healthcare spending in the U.S 3 . Given the health and economic impacts of inequitable access to healthcare, identifying solutions for addressing these inequities is critical. One proposed solution for improving the unequal distribution of healthcare resources is expansion of telemedicine 4 , 5 , defined by the World Health Organization as “the delivery of healthcare services over distance” 6 . While there are disparities in patient use of telemedicine 7 , the overall potential of telemedicine is substantial; telemedicine enables patients in resource-poor settings across the world to receive care from clinicians in resource-rich settings thousands of miles away 8 . A prime example of the benefits of telemedicine is demonstrated in cardiovascular care 9 . In Liu et al.’s recent study “Improving access to cardiovascular care for 1.4 billion people in China using telehealth,” patients used telemedicine to consult providers outside of their province about their cardiovascular concerns, with patients in poorer areas contacting physicians in regions where China’s top hospitals are located 10 . These findings validate the utility of telemedicine for expanding cardiovascular care within developing countries, while drawing attention to limitations of telemedicine’s effects on health equity within the U.S.
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 | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,014 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».