Evaluation of the virtual care experience for persons in prospective cohorts with HIV during the COVID pandemic
Notice bibliographique
Résumé
The COVID pandemic necessitated shifting to virtual care. Our aim was to describe, and identify the challenges and satisfaction with the virtual care experience of a subset of participants from two established Canadian Trials Network (CTN) cohorts: CTN 222 (HIV/HCV coinfection) and CTN 314: CHANGE HIV (Correlates of Healthy Aging in geriatric HIV infection) - persons > 65 years age. We hypothesized that vulnerable populations could face challenges with virtual care related to age, mental health or drug addiction. Consenting participants provided demographic information, completed a non-validated 18-item self- administered questionnaire on their virtual care experience, and reported HIV specific laboratory collection and prescription refills during the COVID pandemic. Data on CD4 T lymphocyte counts and HIV viral loads were extracted from medical records. A total of 454 individuals participated between February 2021 and March 2023, including 133 from CTN 314 and 321 from CTN 222. Overall, 55.3% engaged in virtual care. In multivariable regression models (analysis with SAS and R software) use of virtual care was higher in the aging cohort (p < .0001) but did not vary with current alcohol, drug use or self-reported depression (p > .05). The most common reason for not engaging was that it was failure to offer. Of those who engaged, 55% reporting being very satisfied, 36.3% somewhat satisfied, and 8.8% not satisfied. Ten percent of the older and 16% of the HCV cohort, reported technology difficulties as a barrier to use. Those with a detectable HIV viral load were more likely to engage in virtual care, p < .05. 81.3% of participants had HIV blood tests as frequently as before the COVID-19 pandemic. Despite high satisfaction, the majority (80%) prefers in person visits. When offering virtual care, clinics need to ensure all eligible patients are aware of how to access the services and consider patient needs and preferences.
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 | 0,004 | 0,009 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».