Comparing Clinical Outcomes and Health Care Utilization: Telehealth Versus Traditional Care at US Rural Hemodialysis Units
Notice bibliographique
Résumé
Objective: To determine whether novel dialysis delivery models, such as telehealth visits combined with face-to-face visits in a hybrid model (telehealth hybrid model), positively influence clinical outcomes and healthcare utilization. Patients and Methods: This retrospective cohort study compares the rates of emergency department visits, hospitalizations, and Medicare established hemodialysis quality metrics before and after implementation of a telehealth hybrid model focused among rural populations in regions served by the Mayo Clinic dialysis system between January 1, 2020, to December 31, 2020, versus face-to-face visits alone before implementation of the program from January 1, 2019, to December 31, 2019. In addition, we used a standardized anonymous survey to examine patient perspectives toward the implementation of telehealth at the dialysis units. Results: =.68) or clinical outcomes (abnormal laboratory measures) between the telehealth and standard care groups were observed. Patient satisfaction with telehealth was high, with 90% reporting successful video visits. Conclusion: Our study provides evidence suggesting that the telehealth hybrid model can deliver nephrology care comparable to traditional care models in in-center dialysis without negatively impacting clinical outcomes, health care utilization, or patient satisfaction. Further research is necessary to confirm these results in other settings and to explore the long-term impacts of such hybrid care models.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 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 ».