Digital Health Evaluation of Physically Disabled Canadians Compared to Those Without Chronic Conditions
Notice bibliographique
Résumé
BACKGROUND: Nearly 8.0 million Canadians have one or more disabilities, and this population uses a disproportionate portion of healthcare resources. Digital health, including virtual care and health information interoperability, offers specific benefits but also specific challenges to patients with physical disabilities (PwPD). OBJECTIVE: This study examined the utilization of virtual care and digital health access among PwPD compared to those without chronic conditions (NCC) by examining the usage rates, preferred modalities, the impact of interoperability, and the role of access to personal digital health information. METHODS: A cross-sectional survey, termed the 2022 Canadian Digital Health Survey (CDHS), was conducted to target any Canadians over 16 who have used healthcare in Canada over the last 12 months. RESULTS: This study compared the PwPD group (n=674) with the NCC group (n=5273). PwPD were significantly older and had higher digital health service utilization among PwPD compared to NCC individuals. They reported higher engagement in digital health services like prescription management, telephone consultations, and remote patient monitoring. Healthcare system coordination challenges were more prevalent with 24.4% experiencing care delays and 31.8% reporting frustration. PwPD reported positive outcomes in accessing personal health information (PHI), setting health goals, avoiding doctor visits, and preventing ER visits. CONCLUSION: This study highlights the link between digital health quality and care outcomes in Canadian healthcare. It reveals a preference for telephone consultations in virtual care, emphasizing the importance of accessible technology. Future studies need to be completed to better understand people with PwPD and the larger group of patients with chronic conditions.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».