Impact of socioeconomic status on utilisation of a <scp>Virtual Emergency Department</scp>: An exploratory analysis
Notice bibliographique
Résumé
OBJECTIVE: To explore whether utilisation of a Virtual Emergency Department (VVED) differs according to socioeconomic status (SES). METHODS: A retrospective analysis was undertaken of data from the VVED - a telehealth service that provides care for patients across Victoria, Australia with non-life-threatening emergencies. The study included all individuals who presented to the VVED between July 2022 and June 2023 through the two most common referral pathways (self-referral and ambulance referral). Area-level SES was ascertained by matching residential postcodes to the corresponding Australian Bureau of Statistics (ABS) Index of Relative Socioeconomic Advantage and Disadvantage (IRSAD) decile. IRSAD scores were divided into quintiles (1 = lowest SES, 5 = highest SES) and multivariable logistic regression modelling was used to analyse associations between the SES quintile and referral pathway, presented as odds ratios (ORs) with 95% confidence intervals (CIs). RESULTS: There were 68 598 participants included in the analyses (mean age: 36.6 years; 58.4% female). Compared to SES quintile 3, higher odds of self-referral to the VVED were observed in the two most advantaged SES groups (Quintile 4; adjusted OR [aOR] = 1.16; 95% CI: 1.06-1.26; P = 0.001) (Quintile 5; aOR = 1.38; 95% CI: 1.25-1.52; P < 0.001). Conversely, lower odds of self-referral were observed in the most disadvantaged SES group (Quintile 1; aOR = 0.82; 95% CI: 0.75-0.90; P < 0.001). CONCLUSIONS: The present study demonstrated a relatively even utilisation of the VVED service across SES population groups. The use of healthcare provider pathways, such as ambulance paramedics, may increase equitable access to telehealth. Clinical attention should be directed toward specific social groups in the emergency care setting.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».