Virtual care Nova Scotia: An evaluation of a hybrid model of virtual primary care to inform scaling and sustainability considerations
Notice bibliographique
Résumé
Objective The COVID-19 pandemic accelerated the use of virtual health care in Canada. Nova Scotia launched VirtualCareNS—a hybrid model integrating virtual and in-person primary care—to address access gaps. This rapid evaluation assesses its feasibility, preliminary economic outcomes, and stakeholder experiences. Methods A mixed-methods rapid evaluation design was employed, incorporating utilization and economic analyses. Surveys were completed by key informants, including users (N = 74,159), non-users (N = 3130), and implementation team members (N = 31). Interviews were conducted with providers (N = 8), implementation team members (N = 11), and platform users (N = 28). Results Over 101,000 virtual primary care visits were completed, with 76,054 unique profiles created. The cost per consultation was $123 (95% CI: $99–$149), and the net cost-savings per consultation was $85 (95% CI: $62–$111), primarily driven by reduced travel time and avoidance of emergency department and walk-in clinic visits. Patient satisfaction was high (91%), and providers reported improved access, especially for patients without a regular primary care provider. Conclusion Our rapid evaluation suggests that a hybrid model of virtual and in-person care can effectively address non-urgent care needs, generate cost savings, and improve access for both unattached and attached patients. VirtualCareNS benefits from dedicated leadership structures and integration with Nova Scotia's broader primary care services, positioning it as a scalable and sustainable approach to primary care delivery. Ongoing refinement—guided by user, provider, and implementation feedback—will be critical to realizing its full potential within the publicly funded health system.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».