MétaCan
Menu
Retour à la cohorte
Enregistrement W4410733137 · doi:10.2196/60311

Determinants of Having Online Health Consultations During the COVID-19 Pandemic Among Middle-Aged and Older Adults in Germany: Representative Longitudinal Survey Study

2025· article· en· W4410733137 sur OpenAlexvenueno aff
Ariana Neumann, Hans‐Helmut König, André Hajek

Notice bibliographique

RevueJMIR Aging · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesUniversitätsklinikum Hamburg-Eppendorf
Mots-clésPandemicGermanLongitudinal studyMedicineCoronavirus disease 2019 (COVID-19)Socioeconomic statusTelemedicineDemographyHealth careGerontologyFamily medicineEnvironmental healthGeographyPopulation

Résumé

récupéré en direct d'OpenAlex

Background: During the COVID-19 pandemic, telemedicine services represented a widely implemented alternative to in-person doctor and therapist appointments. Consequently, rates of telemedicine use rapidly increased worldwide, also in Germany. Research regarding longitudinal determinants of telemedicine use is needed, particularly from nationally representative German samples, to improve understanding of the use behavior of major target groups such as middle-aged and older adults. Objective: This study aimed to longitudinally investigate determinants of online health consultation use among middle-aged and older individuals during the COVID-19 pandemic in Germany. Methods: Nationally representative longitudinal data of German middle-aged and older adults (≥46 years old) were taken from the German Ageing Survey (DEAS). Data from the Compact Survey (conducted between June and July 2020) and wave 7 (conducted between November 2020 and March 2021) of the DEAS were observed (pooled analytic sample N=5456). Having experienced consultations with doctors or therapists on online platforms served as the outcome measure. Associations with socioeconomic, health- and health behavior-related, psychological, and COVID-19-related determinants were tested using random effects logistic regressions. Results: In our sample, 49% (2673/5456) of participants were female and the mean age of the participants was 67.8 (SD 9.4) years. Past experience with online health consultations was reported by 10.3% (561/5456) of the sample. Online health consultation use was associated with high education (OR 1.43, 95% CI 1.06-1.93; P=.02), poor self-rated health (OR 0.60, 95% CI 0.49-0.75; P<.001), and higher frequency of physical activity (reference: low frequency; medium frequency: OR 1.58, 95% CI 1.15-2.17; P=.005; high frequency: OR 1.73, 95% CI 1.09-2.76; P=.02). Moreover, greater levels of loneliness (OR 1.43, 95% CI 1.06-1.93; P=.04) and life satisfaction (OR 1.33, 95% CI 1.02-1.73; P=.04) as well as perceiving the COVID-19 crisis as a greater personal threat (OR 1.08, 95% CI 1.01-1.15; P=.02) were associated with having online health consultations during the COVID-19 pandemic. Conclusions: Online health consultation use does not seem to be exclusively associated with the health of middle-aged and older patients. Study findings emphasize the longitudinal association of education and psychosocial factors as well as health factors with telemedicine use during the COVID-19 pandemic in Germany. This knowledge may help to improve and adapt services to this patient group, which could contribute to higher utilization rates in the future. Future studies are needed to verify these initial findings under postpandemic circumstances and across different countries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,040
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

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

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 Opus0,087
Tête enseignante GPT0,450
Écart entre enseignants0,362 · 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 tête enseignante, 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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207