The impact of alternative care pathways adopted during the COVID-19 pandemic on the management of non-communicable diseases at a tertiary care hospital in Thailand
Notice bibliographique
Résumé
Background: Management of non-communicable diseases (NCDs), including hypertension (HT) and diabetes mellitus (DM), was significantly impacted by the COVID-19 pandemic. Many institutions adopted alternative care pathways, e.g. pharmacy at home (PAH), and the deferred care (DC). While PAH has been studied for clinical outcomes, evaluation of the DC remains limited. Consequently, this study evaluates both the clinical and economic outcomes of the PAH and DC as alternatives to usual care. Method: A retrospective study was conducted at a tertiary care hospital in Thailand from 1 July 2021, to 30 June 2023. Data from outpatients with HT and DM were classified into PAH, DC, or discharged home with follow-up at the hospital. Clinical outcomes included changes in systolic blood pressure (SBP), diastolic blood pressure (DBP), and fasting blood sugar (FBS), calculated from baseline to follow-up. Economic outcome was the cost of illness (COI) per patient visit. Multivariate multilevel mixed-effects linear regression assessed clinical outcomes, while log-linear regression evaluated economic outcome. Results: < 0.001). During the pandemic period, COI reductions were 32.3% in PAH and 93.5% in DC compared to usual care. Similar trends were observed in the post pandemic period, with COI reductions of 40.0% for PAH and 96.1% for DC. Conclusion: PAH and DC pathways did not worsen the clinical outcomes and reduced costs during and following the pandemic. As a result, these two pathways, developed during the COVID-19 pandemic, can be adapted for regular use. When these pathways are integrated into regular use, they can be promptly and fully reactivated 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.
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 | 0,001 | 0,001 |
| 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 ».