Predictors Of Telehealth Use Among Cancer Survivors: Retrospective Study (Preprint)
Notice bibliographique
Résumé
Abstract Background 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 health care for survivors; however, studies evaluating telehealth in this population remain limited. Additionally, concerns persist regarding equity in technology access and digital literacy. Objective This study aimed to examine demographic factors and patient attitudes influencing telehealth use among cancer survivors compared to the general population. Methods Adult participants were identified from the nationally representative database Health Information National Trends Survey 6 (HINTS 6). Multivariable logistic regression was used to calculate the predictors of telehealth use among cancer survivors. χ 2 tests compared the prevalence of reported reasons of not using telehealth in the last 12 months between cancer survivors and the general population. Results A total of 5793 (weighted n=239,557,883) individuals were included in this study, 7.7% (weighted n=18,545,434) who are cancer survivors. 5092 individuals from the general population and 701 cancer survivors were included. 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 y 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 nonusers, 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. Conclusions 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’ health care experiences. Our findings emphasize the need to address specific factors including age and employment related disparities, patient preferences and telehealth availability to optimize equitable access to telehealth and enhance the delivery of cancer survivorship care.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».