Evaluating Virtual Care for Adults with Type 2 Diabetes During the COVID-19 Pandemic: Results From a Pre–Post Retrospective Cohort Pilot Study in a Canadian Family Health Team
Notice bibliographique
Résumé
OBJECTIVES: In this study we aimed to determine the feasibility of using electronic medical record (EMR) data to assess whether virtual care provided by a family health team (FHT) located in Ontario during the early COVID-19 pandemic impacted key diabetes indicators, and to identify whether content of diabetes-specific appointments was comparable to in-person care. METHODS: A retrospective pre-post cohort study was performed using patient-level EMR data from eligible FHT patients with type 2 diabetes. Feasibility outcomes were defined with prespecified success criteria. Scientific outcomes included 3 diabetes indicators: glycated hemoglobin (A1C), low-density lipoprotein (LDL), and blood pressure (BP). Indicator results from the prepandemic period (September 2019) and during-pandemic period (March 2020 to March 2021) were recorded and compared. Patient characteristics and content of diabetes-specific appointments were also collected. RESULTS: All feasibility outcomes met predefined criteria for success. No significant differences in A1C, LDL, or BP were identified between pre- and during-pandemic cohorts. Depression screening was performed significantly more frequently during the pandemic (73.85% vs 47.06%, p<0.001) at diabetes-specific appointments compared with the pre-pandemic period. No significant differences in frequency of screening for other complications (i.e. hypoglycemia, foot, eye) were found. CONCLUSIONS: Results signal that virtual care delivery in the during-pandemic period was not associated with significant changes in diabetes indicators or reduced screening for complications; however, many patients did not have BP measurements recorded during the pandemic. Findings support evidence that virtual care may help maintain continuity of care for diabetes management when in-person appointments are not possible.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».