From Conflict to Care - Telemedicine Utilization During Wartime: A Retrospective Cohort Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Armed conflict poses severe challenges to healthcare delivery, requiring rapid adaptation. This study evaluates how telemedicine enabled continuity of care during the October 7, 2023, war in Israel, and assess regional and service-specific utilization patterns in relation to conflict intensity. METHODS: A retrospective cohort study of 7.19 million healthcare interactions from an Israeli HMO covering one-third of Israel's population. The study compared three periods: (T0) the first month of the war, (T1) the month before, and (T2) the same period last year. Interactions included visits and inquiries in primary care, secondary care, mental health, and allied health services. Data were categorized by service type and geographic conflict zones. Chi-square tests and effect sizes assessed trends. RESULTS: Telemedicine utilization increased significantly during the war, especially in primary conflict zones (13-20%, p < 0.01). Remote consultations in mental health tripled (10-30%, p < 0.01), and nutrition services reached the highest telemedicine adoption (27-52%, p < 0.01). Family medicine, pediatrics, and gynecology also showed significant increases. Digital inquiries surged in family medicine but declined in pediatrics. CONCLUSION: This study offers timely insights into telemedicine's role in maintaining access during armed conflict within a digitally advanced system. By examining service utilization across medical domains and conflict zones, it highlights how remote care supports system adaptability in crises. Notably, patient satisfaction remained high, suggesting telemedicine preserved access and perceived care quality. Findings may inform digital health planning to strengthen continuity, equity, and resilience in future emergencies.
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.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle