Predictors Of Telehealth Use Among Cancer Survivors: Retrospective Study (Preprint)
Notice bibliographique
Résumé
<sec> <title>BACKGROUND</title> As the number of cancer survivors continues to grow, optimizing long-term survivorship care models has become increasingly important. Telehealth has the potential to improve access to healthcare for survivors; however, studies evaluating telehealth in this population remain limited. Additionally, concerns persist regarding equity in technology access and digital literacy. </sec> <sec> <title>OBJECTIVE</title> This study aimed to examine demographic factors and patient attitudes influencing telehealth use among cancer survivors compared to the general population. </sec> <sec> <title>METHODS</title> Adult participants were identified from the nationally representative database Health Information National Trends Survey 6 (HINTS 6). Multivariate logistic regression was used to calculate the predictors of telehealth use among cancer survivors. Chi-square tests compared the prevalence of reported reasons of not using telehealth in the last 12 months between cancer survivors and the general population. </sec> <sec> <title>RESULTS</title> A total of 239,557,883 individuals were included in this study, 7.7% of whom are cancer survivors. Older age was associated with lower telehealth use (adjusted odds ratio [aOR]=0.11; 95% CI: 0.02–0.59 for patients aged ≥65, compared to those under 40 years old). Higher education (aOR=2.55; 95% CI: 1.24–5.27) and heart disease history (aOR=2.52; 95% CI: 1.20–5.28) were associated with increased telehealth use. Employed (aOR=0.46; 95%CI: 0.22-0.97) and retired (aOR=0.37; 95%CI: 0.18-0.77) cancer survivors were less likely to use telehealth than unemployed individuals. Of the non-users, over 60% reported that telehealth options were not offered, and 80% preferred in-person visits. Technical issues and privacy concerns were not major factors in utilizing telehealth. </sec> <sec> <title>CONCLUSIONS</title> Despite greater telehealth use among cancer survivors, a negative association between older age and telemedicine utilization persists. Efforts should focus on improving access for older cancer survivors and addressing employment-related factors, patient attitudes, and telehealth availability. Future studies should explore personalized approaches to enhance cancer survivors’ healthcare experiences. </sec>
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».