Assessment of Equitable Use of Virtual Care in Pediatric Specialized Care
Notice bibliographique
Résumé
Objective : Telemedicine and broadly, virtual care are established modes of health care delivery but may present unintended barriers to access. We assessed postpandemic ambulatory care provision to determine whether marginalized areas were underrepresented among virtual visits. Methods : We retrospectively analyzed 396,624 ambulatory visits (January 2022 through December 2023), using patient demographics and the Ontario Marginalization Index to compare virtual (78% electronic health record-integrated video) and in-person visits across the domains of residential instability, material deprivation, dependency, and ethnic concentration. Logistic regression was used to compare virtual to in-person visits, adjusting for age, sex, and geographic location. Results : We found higher virtual care utilization for children in remote areas (41% [OR: 1.72 {1.66–1.78}]) and progressively higher virtual care utilization across age groups. Virtual care use for children aged 1–12 was 27% (OR: 1.57 [1.53–1.62]); for adolescents aged 12–16 was 33% (OR: 2.02 [1.96–2.09]); and for those over 16 years was 38% (OR: 2.56 [2.49–2.64]), compared to infants (19%). Indices of residential instability, dependency, and material deprivation had minimal impact on access to virtual care; however, areas with high ethnic concentrations had significantly fewer virtual visits compared to the least ethnically concentrated areas (26.1% vs. 35.0%; adjusted OR: 0.65 [0.63–0.67]). Each quintile increase in marginalization within the ethnic concentration index was associated with an 11% decrease in the odds of a virtual visit. Conclusions : Virtual care use was higher for those at greater distance but lower in ethnically concentrated areas. Further investigation of strategies targeting language barriers, technological literacy, and cultural beliefs is warranted.
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 | 0,006 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».