原始论文
摘要
背景:COVID-19大流行早期阶段远程医疗使用激增已得到充分证明。然而,很少有证据考虑到在随后的时期使用远程医疗。
摘要目的:本研究旨在评估在纽约市(NYC)的一个大型卫生系统中,基于视频的远程医疗访问在反复流行的大流行浪潮中用于门诊护理和紧急护理的使用模式,以及这对卫生保健服务的意义。
方法:研究人员利用2020年1月1日至2022年2月28日患者的回顾性电子健康记录(EHR)数据,纵向跟踪和分析门诊护理专业和紧急护理的远程医疗和面对面就诊量,并将其与大流行前的基线(2019年6月至11月)进行比较。将用于区分疑似COVID-19就诊和非COVID-19就诊的诊断代码,以及评估基于COVID-19的远程医疗随时间的使用情况,与同一地理区域(市级)的COVID-19阳性病例总数进行比较。基于变化点分析对时间序列数据进行分段,比较分段间就诊趋势的方差。
结果:COVID-19的出现促使紧急护理和门诊护理环境的远程医疗访问数量早期增加。在整个大流行期间,尽管COVID-19病例在大流行期间有所波动,并且恢复了现场临床服务,但COVID-19和非COVID-19疑似就诊的使用水平仍远高于大流行前的基线水平。在每一波大流行浪潮中,对COVID-19疑似就诊使用基于远程医疗的紧急护理服务表现出更大的差异,但在最初的危机期之后,用于门诊护理的远程医疗就诊保持相对稳定。在欧米克隆浪潮期间,所有访问类型的使用,包括亲自活动,都减少了。年龄在25至34岁之间的患者是基于远程医疗的紧急护理的最大用户。尽管为满足日益增长的需求而迅速扩大服务规模,但患者对基于远程医疗的紧急护理的满意度仍然很高。
结论:在整个大流行后期,尽管COVID-19病例有所波动,并且恢复了亲自提供护理,但与COVID-19之前的基线相比,越来越多地使用远程医疗作为卫生保健提供手段的趋势一直保持着。对基于远程医疗的护理的总体满意度也很高。远程医疗的使用趋势表明,基于远程医疗的医疗保健提供已成为基于人的门诊护理的主流和持续补充,特别是对于年轻患者,无论是紧急护理还是非紧急护理需求。这些发现对医疗保健服务系统,包括实践领导者,保险公司和政策制定者有影响。需要进行进一步的调查,以评估关键人口的远程医疗采用情况,确定目前的采用障碍,并探讨持续使用远程医疗对卫生保健结果和体验的影响。
doi: 10.2196/38661
关键字
简介
在COVID-19大流行之前,远程医疗作为一种护理提供方式的使用是有限的;2019年,只有8%的美国人报告使用远程医疗进行医疗护理[
].大规模采用和使用的障碍包括有限的报销,患者和提供者对远程医疗技术缺乏舒适感,以及面对面护理的强烈文化规范[ ].这些个别因素之间的动态相互作用[ ]往往导致其预期用户不采用和放弃远程医疗技术[ - ].然而,从2020年3月开始,随着世界卫生组织(世卫组织)宣布COVID-19为全球大流行,美国宣布进入全国卫生保健紧急状态,美国的远程医疗格局迅速改变[ ].在大规模提供疫苗和有效疗法之前,保持社会距离和隔离是最大限度减少病毒传播的唯一被广泛接受的方法,这造成了寻找亲自护理的替代方法的令人信服的(往往是强制性的)压力[ ].为了帮助维持现有的卫生保健业务,同时满足COVID-19病例增加带来的新需求,卫生保健系统迅速转向远程医疗解决方案提供护理,许多系统在早期就经历了远程医疗采用的指数级增长[ ].为确保扩大远程医疗能力的步伐与日益增长的需求相匹配,优先考虑快速迭代改进的实施,而不是完美执行[ ].在可能的情况下,使用现有的技术和供应商,而不是投资时间购买全新的技术。因此,远程医疗基础设施往往跨越多种技术和平台,支持不同的模式(基于电话语音或基于视频),而不是任何标准化实施,并在短时间内迅速发展,所有这些都可能对患者的满意度产生负面影响[ 以及患者继续使用远程医疗。虽然研究记录了在大流行的早期阶段积极采用远程医疗技术,但很少有后续研究探讨这种迁移是否在急性大流行后时期持续下去。此外,先前有关远程医疗日益普及与面对面诊所就诊量稳步下降的报告表明,远程医疗至少正在部分取代诊所就诊[
].自2020年春季大流行早期阶段以来,公共卫生措施的改进、疫苗研究的突破性进展以及广泛的疫苗和治疗方案使恢复面对面活动成为可能,包括提供面对面医疗服务;目前,尚不清楚随着美国医疗保健系统向更“常规”操作的过渡,远程医疗的增长是否会持续下去。关于技术支持的医疗保健服务变革的长期可持续性的一般性文献越来越多[ ],但关于远程保健服务可持续性的研究仍然很少[ ].这项研究来自纽约市的一个大型学术医疗保健系统,旨在探索在大流行反复出现的浪潮中,患者使用远程医疗的模式。本研究要回答的研究问题是,在反复出现的大流行浪潮期间,使用基于视频的远程医疗访问进行门诊护理和紧急护理的趋势是什么?
方法
研究背景
在这项研究中,我们使用了来自纽约大学朗格尼健康(NYULH)系统的数据,该系统是纽约市一个大型城市和郊区学术医疗保健系统,其运营受到COVID-19大流行的严重影响,并通过开发强大的远程医疗基础设施来应对,在诊所关闭和中断期间为患者提供护理。
NYULH网络由4家医院的8000多名医疗保健提供者和城市和郊区的350多家门诊医疗点组成,所有这些都连接到一个单一的电子健康记录(EHR)系统(Epic, Verona, WI)。为了实现远程医疗服务(在卫生系统中称为“虚拟健康”),NYULH使用Epic健康记录的单个实例,利用集成的视频访问平台,共有817万多名活跃患者。在COVID-19大流行之前,NYULH通过其“虚拟紧急护理”(VUC)服务在大约25个地点实现了远程医疗功能,这是一种与企业EHR和患者门户紧密集成的视频访问体验,为急性非紧急健康问题(如新咳嗽、发烧)提供急诊医生的当天虚拟预约。虚拟非紧急护理或流动护理,如虚拟初级护理,随后被开发出来,提供了一套更全面的服务,包括慢性疾病管理,与专家和辅助护理(如营养师,治疗师)的跨学科护理,以及由内科医生或专业临床医生处理的预防护理。
患者通过NYULH应用程序访问虚拟服务,该应用程序基于Epic MyChart患者工具套件,并使用Epic提供的标准应用程序编程接口(api)。在远程医疗会面期间,患者可以直接通过患者门户应用程序开始视频访问;提供者只需点击电子病历系统中的链接即可启动访问。提供者的点击操作会打开一个视频浏览器,该视频可以以与亲自访问相同的方式与EHR一起观看。此外,NYULH还部署了本地开放调度技术以及自定义功能,以简化远程医疗访问和入学。NYULH使用Q-Reviews(纽约),这是一个实时医院评估数字参与平台,收集患者对VUC访问的反馈。
研究设计
在这项研究中,我们使用来自电子病历数据的患者就诊信息来描述2020年1月1日至2022年2月28日的就诊类型,这代表了大流行强度反复波动的时期。我们使用了不同来源的数据,包括遭遇、访问、诊断、患者满意度和患者年龄,以确定在此期间通过远程医疗或亲自访问获得护理的年龄组。为了分类远程医疗访问是发生在门诊护理还是紧急护理,访问类型,地点和专业信息被使用。
为了评估远程医疗的使用是否倾向于COVID-19疑似就诊,我们进行了评估《国际疾病分类》第十版(ICD-10)通过对34个关键词(
) [ , , ].这包括与COVID-19相关的诊断代码,这些代码在2020年和2021年更新COVID-19编码建议之前使用的卫生系统中经常使用[ ].将2019冠状病毒病(COVID-19)疑似就诊次数与纽约类似时期的每天COVID-19病例总数进行比较,以评估与纽约更大人群相比,纽约大学住院患者中COVID-19相关疾病的患病率是否较高[ ].描述性统计计算,以估计在紧急护理和非紧急护理设置远程医疗访问率。对COVID-19疑似就诊和非COVID-19疑似就诊的远程医疗使用情况进行了独立评估,以评估就诊类型与远程医疗使用偏好之间的关系。基于二值分割的变点检测分析[ ]用于识别随时间变化的访问趋势,并定位远程医疗和亲自访问的平均变化。使用变化点指数来分割26个月的访问数据;每一段代表按时间排序的到访次数分布相对于前一段及后一段的变化[ ].最后,分别计算并比较不同访问类型的访问次数的统计属性(均值、方差)。采用Levene检验来评估不同时间段间就诊次数的方差是否相等。先前的研究分析了远程医疗使用最初激增期间患者的人口统计数据,报告称远程医疗的使用主要局限于年轻患者[
, ].为了评估整个研究期间远程医疗患者人口统计学的潜在变化,以及远程医疗设施的扩张是否在一系列年龄组中促进了远程医疗的采用,我们还评估了数据中参与远程医疗就诊的患者的年龄组。对于每个远程医疗访问记录,我们确定了患者在访问时的年龄,并将来自相似年龄组的患者的记录结合起来。我们将远程医疗的使用与2020年美国人口普查局数据中纽约市的基线人口估计进行了比较[ ]。除了从电子病历收集的数据外,在VUC远程医疗会议结束时,通过Q-Reviews发布的简短短信调查,捕获和评估了患者的满意度和参与度。该调查评估了各个领域,包括对就诊的满意度,再次使用远程医疗的可能性,以及就诊处理/管理患者医疗需求的程度,采用5分制(5=最满意);看到
.满意度评估基于对这3个问题的回答(α=.87),并分析患者满意度的趋势。调查还要求受访者估计相对于亲自拜访的时间成本/节省,以及他们向朋友或同事推荐VUC的可能性有多大。最后,根据数据中唯一的患者标识符的数量来测量每个患者的平均访问次数。患者的平均远程医疗访问和亲自访问与大流行前基线进行了比较。为了评估虚拟医疗服务是否补充或取代亲自护理,我们计算了3个时期的每位患者亲自和虚拟就诊的平均次数:2019年6月至11月大流行前基线、2020年6月至11月,以及2021年6月至11月急性大流行后比较。
症状类型 | 关键字 |
主呼吸 | (1) COVID,(2)呼吸窘迫,(3)流感,(4)咽痛,(5)充血,(6)URI,(7)肺炎,(8)呼吸短促,(9)咳嗽,(10)呼吸困难,(11)咽炎,(12)支气管炎,(13)鼻窦炎,(14)ARDS,(15)肺浸润,(16)缺氧,(17)呼吸急促,(18)混浊,(19)喘息 |
主要非呼吸道 | (20)胸痛,(21)肌肉痛,(22)关节痛,(23)压力大,(24)头痛,(25)发烧,(26)出血,(27)肿胀,(28)皮疹,(29)皮肤损伤,(30)失眠,(31)不适,(32)便秘,(33)焦虑,(34)抑郁 |
一个诊断结果:《国际疾病分类》第十版.
调查的问题 | 规模 |
你对你的访问有多满意? |
|
VUC的访问如何处理/管理您的医疗需求? |
|
你再次使用VUC的可能性有多大? |
|
你使用VUC节省了多少时间,包括旅行时间? |
|
你向朋友或同事推荐VUC的可能性有多大? |
|
一个VUC:虚拟急救。
bN/A:不适用。
数据排除
除了ehr集成平台,NYULH还使用思科的Webex和电话提供远程医疗服务(<1%的远程医疗访问),这不在本报告中。
道德的考虑
我们向NYULH机构审查委员会(IRB)提交了研究提案,并获得了豁免(#s21-01207)。有关政策和职权范围的进一步说明,可向IRB查询。
结果
远程医疗使用的总体趋势
在26个月的大流行期间,共记录了2 748 635次远程医疗访问,是同期亲自访问量(N=9 025 553次)的近三分之一(30.45%)。门诊非紧急护理(如虚拟初级护理)的使用率远高于VUC(见
b).近89.26%的视频访问(n=2,409,003)用于非急诊门诊(如虚拟初级护理),其余10.74% (n=289,836)用于VUC。总体而言,就诊趋势显示,远程医疗就诊量在大流行急性期达到峰值,并继续以高于大流行前的速度增长;2020年1月至2月期间的远程医疗量低于每天100次,随后在2020年4月达到峰值(n=240,356, 80.98%),同时现场就诊人数下降( A和1c)。在急性大流行期间(2020年3月和4月)以及以新毒株Delta(2020年10月- 2021年1月)和Omicron(2021年11月- 2022年1月)传播为特征的时期,这种从亲临就诊到远程医疗的转变尤其明显。皮尔逊系数(r)显示,每月的亲自访问量和VUC访问量呈负相关(r= -0.421,P= 03)。此外,远程医疗就诊的分布表明,患者对非紧急门诊护理需求的远程医疗使用率高于对紧急护理需求的远程医疗使用率 b)总体而言,访问趋势显示,远程医疗访问量在大流行急性期达到峰值,随着亲自访问的恢复而下降,但随后仍保持在远高于大流行前的水平,并且在2020年7月至2022年2月期间波动较小(期间每月远程医疗访问从64,570次至136,181次不等)。在此期间,VUC、门诊护理远程医疗和亲自访问数据的进一步详细信息载于 .变化点分析在远程医疗和亲临就诊的联合趋势中发现了4个变化点或平均值。根据变化点指数,将26个月的时间序列分为5个段:第1段(2020年4月至2020年4月)、第2段(2020年5月至9月)、第3段(2020年10月至2021年2月)、第4段(2021年3月至9月)和第5段(2021年10月至2022年2月)。对每个时间段和访问类型的组合进行独立的描述性统计计算,结果提供在
.总体而言,结果显示,在所有3种访问类型的第一部分中观察到的每月访问数据的最高差异(IQR)。每月平均门诊就医次数在第二阶段达到高峰(平均129,406次,标准差46,281次),与亲身就医次数最低(平均291,829次,标准差96,115次)相吻合。第三部分见证了最多的使用(平均16,269,SD 5351)的VUC服务,但差异很大(IQR 7416)。第五部分和最后一部分的特点是远程医疗和亲自访问类型的下降。Levene检验结果发现,不同时间段的访视差异对于亲自访视具有显著性(F4, 21= 3.56,P=.02)及VUC (F4, 21= 6.30,P=.001),但不适用于日间护理(F4, 21= 2.57,P= . 07)。每月来访类型 | 第一部分(截止2020年4月) | 第二部分(2020年5月- 9月) | 第三部分(2020年10月- 2021年2月) | 第四部分(2021年3月- 9月) | 第五部分(2021年10月- 2022年2月) | ||||||||||||
意思是(SD) | 中位数 | 位差 | 意思是(SD) | 中位数 | 位差 | 意思是(SD) | 中位数 | 位差 | 意思是(SD) | 中位数 | 位差 | 意思是(SD) | 中位数 | 位差 | |||
在人 | 295607 (175893) | 336531年 | 191153年 | 291829 (96115) | 322933年 | 35107年 | 337981 (30520) | 336339年 | 3698 | 401529 (23189) | 409320年 | 43008年 | 383774 (20086) | 384503年 | 29301年 | ||
门诊 | 70140 (103669) | 29599年 | 97418年 | 129406 (46281) | 112360年 | 52650年 | 103956 (11241) | 109711年 | 18493年 | 94292 (15399) | 88877年 | 14626年 | 70023 (9786) | 71155年 | 10749年 | ||
VUC一个 | 13729 (14129) | 11094年 | 20543年 | 8611 (2409) | 8476 | 1479 | 16269 (5351) | 15068年 | 7416 | 8028 (2693) | 6802 | 1322 | 10053 (4906) | 8587 | 3906 |
一个VUC:虚拟急救。
COVID-19疑似病例远程医疗服务使用趋势
在此期间记录的所有就诊(面对面和远程医疗)中(N=11,774,188), 1,264,487例(~10.74%)在诊断代码中报告了至少一种与COVID-19相关的症状,代表COVID-19疑似病例。在这些病例中,766,548例(60.62%)是在现场设施记录的,而497,939例(39.38%)是远程医疗访问。对于COVID-19疑似病例,数据中远程医疗占总就医量的比例(39.38%)高于远程医疗占总就医量的比例(n=2,748,635, 30.45%)。
急诊和门诊视频就诊类型的分布显示,针对COVID-19症状的急诊服务使用率更高(见
b和2b)比整体目睹的情况要平均:COVID-19疑似病例的虚拟接诊量在VUC和非紧急设施之间的分布要比所有记录的接诊量均匀得多。在所有COVID-19疑似远程医疗就诊中,紧急护理机构报告了150,735例(30.27%),其余347,204例(69.73%)在门诊就诊。我们进一步比较了纽约市COVID-19疑似就诊类型与确诊COVID-19病例的分布[
]在同一时期(见 a和2c)评估在反复出现的大流行浪潮期间远程医疗使用与COVID-19病例激增之间的关系。分布表明,COVID-19病例的增加与远程医疗就诊(特别是前往紧急护理机构)的增加同时发生,与此同时亲自就诊的人数减少。这在第一波(2020年3月和4月)、第二波(2020年11月- 2021年2月)和第三波(2021年11月- 2022年1月)大流行中很明显,当时纽约的COVID-19病例激增。总体而言,皮尔逊系数(r)显示,纽约市COVID-19确诊病例的数量与亲自就诊数量呈负相关(r= -0.230),与非紧急护理就诊数量几乎完全无关(r=0.086)。相比之下,在2021年11月之前,纽约市的紧急护理就诊人数和确诊的COVID-19人数呈强相关(Pearson r=0.727),但在考虑到Omicron疫情时,相关性较低(r=0.393)。总体而言,在COVID-19疑似病例中,急诊(平均0.15,标准化后标准差为0.28)的远程医疗就诊比例比门诊(平均0.85,标准差为0.20)的变化更动态。显示了基于之前报告的变化点分析的5个连续时间段中COVID-19疑似病例的现场和远程医疗服务使用的分布。与总体访问趋势类似,所有3种访问类型的第一个部分(直到2020年4月)的访问变化(IQR)最高。在其余4个时间段中,门诊(IQR 5016)和VUC (IQR 4988)的第三个时间段(2020年10月- 2021年2月)的远程医疗就诊变化最大。使用Levene检验,发现COVID-19疑似就诊在亲自就诊的时间段之间存在显著差异(F4, 21= 6.55,P=.001)及日间护理(F4, 21= 2.85,P=.05),但不适用于VUC (F4, 21= 2.86,P= 0。06)。
每月来访类型 | 第一部分(截止2020年4月) | 第二部分(2020年5月- 9月) | 第三部分(2020年10月- 2021年2月) | 第四部分(2021年3月- 9月) | 第五部分(2021年10月- 2022年2月) | ||||||||||
意思是(SD) | 中位数 | 位差 | 意思是(SD) | 中位数 | 位差 | 意思是(SD) | 中位数 | 位差 | 意思是(SD) | 中位数 | 位差 | 意思是(SD) | 中位数 | 位差 | |
在人 | 32846 (19777) | 35936年 | 21397年 | 22310 (5999) | 23497年 | 1683 | 26912 (2449) | 26186年 | 1723 | 31850 (1606) | 32442年 | 2068 | 32828 (2135) | 32518年 | 2922 |
门诊 | 11683 (15828) | 6241 | 17042年 | 15572 (5399) | 13234年 | 3602 | 15874 (2724) | 16627年 | 5016 | 13735 (2531) | 12475年 | 3001 | 10651 (3365) | 10422年 | 4691 |
VUC一个 | 6628 (7252) | 4953 | 9910年 | 4014 (2015) | 3485 | 2776 | 10088 (3767) | 9454 | 4988 | 3795 (2086) | 2814 | 1172 | 4960 (3217) | 3875 | 2161 |
一个VUC:虚拟急救。
非covid -19疑似病例远程医疗服务使用趋势
为了研究除COVID-19需求外远程医疗的使用情况,我们分别分析了非COVID-19疑似病例(n=10,459,905次就诊)的就诊类型(见
).由于非covid -19疑似就诊占记录的所有就诊的近90%,其在各种就诊类型中的分布情况(见 A和3c)与所有访问的结果几乎相同。对于非COVID-19疑似病例,与COVID-19疑似病例相比,远程医疗使用比例更倾向于门诊护理(见 B和3b)。在所有非covid -19疑似远程医疗就诊中,近2061799例(93.68%)来自非紧急护理。同期,仅记录了139,101例(6.32%)非covid -19疑似病例进行紧急护理。此外,有8,259,005例非covid -19疑似病例亲自就诊,占同期所有非covid -19疑似病例的近78.96%。总体而言,这些分布表明,尽管COVID-19促使远程医疗迅速扩大和使用,但其使用有所增长,然后稳定在高于COVID-19前基线的水平( c)对非covid -19疑似病例也是如此。显示了5个部分在非covid -19疑似病例远程医疗使用方面的差异。月人次分布显示,在远程医疗服务中,门诊服务的使用在第二段达到高峰(平均113,834,标准差41,001),在第三段(平均88,082,标准差8790)和第四段(平均80,556,标准差12,900)之间缓慢下降,而在第五段(平均59,372,标准差6667)使用最低。与门诊护理相比,VUC使用在第一个阶段更早达到峰值(平均7100,SD 6920),总体呈下降趋势,但在第三个阶段(平均6180,SD 1594)和第五个阶段(平均5092,SD 1712)与之前的阶段相比有所增加。IQR值显示,总体而言,每月就诊次数的变化在以后的时间段内有所缩小,这在急诊的第四个时间段(IQR 87)和门诊的第五个时间段(IQR 7502)尤其明显。各时段间每月访视次数的列文检验结果发现,亲自访视的差异显著(F4, 21= 3.28,P=.03)及紧急护理探访(F4, 21= 17.02,P<.001),但不适用于门诊(F4, 21= 2.55,P= . 07)。
每月来访类型 | 第一部分(截止2020年4月) | 第二部分(2020年5月- 9月) | 第三部分(2020年10月- 2021年2月) | 第四部分(2021年3月- 9月) | 第五部分(2021年10月- 2022年2月) | ||||||||||||||
意思是(SD) | 中位数 | 位差 | 意思是(SD) | 中位数 | 位差 | 意思是(SD) | 中位数 | 位差 | 意思是(SD) | 中位数 | 位差 | 意思是(SD) | 中位数 | 位差 | |||||
在人 | 262761 (15630) | 300595年 | 16日,9756 | 269518 (90160) | 299436年 | 33424年 | 311069 (28209) | 310285年 | 5289年 | 369679 (21669) | 376610年 | 41208年 | 350946 (18623) | 353797年 | 28118年 | ||||
门诊 | 58457 (87918) | 23360年 | 80374年 | 113834 (41001) | 99126年 | 48358年 | 88082 (8790) | 91066年 | 14275年 | 80556 (12900) | 76402年 | 11625年 | 59372 (6667) | 57845年 | 7502 | ||||
VUC一个 | 7100 (6920) | 6140 | 10633年 | 4596 (888) | 4598 | 1206 | 6180 (1594) | 5614 | 2428 | 4233 (613) | 3988 | 87 | 5092 (1712) | 4712 | 1744 |
一个VUC:虚拟急救。
各年龄组远程医疗服务使用趋势
在我们的数据中按年龄组分解远程医疗的使用情况。在虚拟访问类型中,25 -34岁年龄组的远程医疗访问占比最大,在2020年4月达到40251例(16.74%)的峰值。在25-34岁的人群中,远程医疗使用率更高的模式在VUC就诊中甚至更强,该年龄组在整个期间共负责112,247次(38.03%)紧急护理就诊。15岁以下儿童和青少年在紧急护理需求中使用远程医疗的比例最低(n=7420次,2.56%),尽管这一年龄组在纽约市人口中人数最多[ ].分布进一步表明,尽管针对非紧急护理需求的远程医疗采用在各个年龄组中分布相对均匀,但25至44岁的患者在基于远程医疗的紧急护理就诊中所占的份额不成比例。
A和4b说明了本研究所考虑的整个期间不同年龄组的虚拟健康访问趋势。 b显示,在大流行开始时(2020年3月至5月),大多数年龄组采用远程医疗的比例最高。尽管最大贡献年龄组(25-34岁)的远程医疗访问次数从2020年4月的峰值每月40251次下降到2022年2月的12948次,但每月平均访问次数(n= 21949次,21.34%)仍持续高于2020年2月大流行前的1062次。 a显示,尽管最大贡献年龄组(25-34岁)的远程医疗使用在2020年4月之后的整个期间都很高,但每当COVID-19病例数量激增时,其他年龄组的远程医疗使用就会增加。我们的分析还发现,65岁及以上年龄组的患者仍然是远程医疗的持续用户(每月最多20,799次,15.21%;最低11,927次,每月16.75%),从2020年6月到2021年2月。整体而言,远程医疗诊症在不同年龄组别的分布( )显示,尽管与之前的报告相比,老年患者在非紧急护理中远程医疗的使用有所增加(n= 413,517,15.37%) [ ],使用远程医疗进行紧急护理的比例仍然很低(n=11,630, 4.01%)。
年龄(年) | 纽约市人口(%) | 所有远程医疗护理(%) | 紧急护理(%) | 非紧急护理(%) |
<15 | 17.53 | 8.14 | 2.56 | 8.71 |
15 - 24 | 11.66 | 10.42 | 15.88 | 9.71 |
25 - 34 | 17.81 | 21.34 | 38.03 | 19.40 |
35-44 | 13.64 | 16.61 | 20.93 | 16.15 |
45 - 54 | 12.54 | 14.14 | 11.18 | 14.52 |
55 - 64 | 11.87 | 13.98 | 7.40 | 14.76 |
65岁及以上 | 14.95 | 15.37 | 4.01 | 16.75 |
一个纽约市:纽约市。
病人满意度
在26个月的研究期间,共有13669名使用VUC的患者回应了满意度调查。尽管迅速采用远程医疗的提供者缺乏经验,但在急性大流行阶段,患者对VUC的满意度保持不变(covid -19前:n=847, 6.20%,平均满意度4.38/5;急性COVID-19: n=1693, 12.39%,平均满意度4.38/5)。Q-Reviews患者满意度数据显示,患者对VUC就诊始终高度满意(n=13,669, 100%,平均满意度4.53/5,最低=4.31,最高=4.78)
),尽管有2173例(15.9%)患者报告了技术问题。此外,10719例(78.41%)患者对其VUC就诊非常满意,只有856例(6.26%)患者对其VUC就诊不满意。超过74%的患者(141人中有105人)认为使用虚拟医疗服务至少节省了一个小时的时间(包括旅行时间),并且可能会向朋友或同事推荐这项服务。最后,每位患者的平均视频访问次数从大流行前基线的0.013次增加到2020年6月至2月的0.827次,然后略有下降,然后在2021年6月至2022年2月稳定在0.588次。在同一时期,亲自就诊的平均次数从最初的2.928次略微下降到2.670次,随后稳步增加到大流行前的水平,即每名患者2.894次。
讨论
主要研究结果
COVID-19大流行促使许多卫生保健系统迅速扩大远程医疗服务,以应对现场护理服务的严重中断[
, ].然而,在随后的一段时期内,远程医疗使用率在何种程度上保持较高仍不清楚。这项研究评估了纽约市1个大型卫生系统在整个大流行期间远程医疗使用的持续程度,结果表明,尽管早期大流行促进了远程医疗使用的快速增长,但远程医疗诊断量与亲自急诊就诊之间呈反比关系[ 在随后的大流行期间继续为covid -19相关的护理需求以及常规护理(如预防医学、慢性病管理和门诊专科护理)提供服务。这些发现表明,在护理提供方式上向远程医疗使用的过渡至少在一定程度上是持续的,不会受到COVID-19大流行结束的限制。在时间序列数据中检测到的变化点大多与美国新变体的出现和随后COVID-19病例的激增相吻合。第一和第二时间段与以往报告中急性大流行阶段和急性大流行后阶段的时间线相匹配[
],而随后的3段在美国报告的Delta和Omicron涌流的时间线之间有重叠[ ].对时间段的分析总体上支持远程医疗是医疗保健服务新规范的一部分这一特征。具体而言,每次大流行反复出现时,基于远程医疗的紧急护理服务增加,而亲自前往急诊室的人数减少;这些数据证实了远程医疗在紧急服务严重紧张时期在扩大紧急护理能力和服务方面的关键作用。在门诊护理环境中,我们的证据表明,一个延迟,但更明显的转移到远程医疗。总体而言,尽管紧急护理访问在大流行期间为更广泛地采用远程医疗打开了大门,但目前推动远程医疗继续流行的是非紧急视频访问。对各时间段就诊趋势的分析进一步表明,尽管在紧急护理和门诊服务中使用远程医疗的情况自急性大流行阶段达到峰值以来已逐渐下降,但每月就诊分布的变化同时减少进一步表明,远程医疗的使用正走向一个平衡阶段。我们的结果还表明,在最新的Omicron浪潮中,基于远程医疗的紧急护理和门诊护理的使用表现出矛盾的趋势;尽管COVID-19和非COVID-19疑似病例的急诊次数有所增加,但使用门诊护理的次数有所减少。尽管COVID-19病例大量增加,但需要进一步调查流动服务使用减少的原因,并需要确定更广泛采用虚拟流动服务的任何潜在障碍。远程医疗就诊的趋势表明,紧急护理设施,特别是在COVID-19护理方面,将发挥更大的作用。尽管在上一波大流行(Omicron变种)中,急诊就诊与COVID-19确诊病例之间的相关性较低,但我们认为,这一结果是由于Omicron感染的严重后果风险低于前一波,特别是Delta变种[
, ].随着新冠病毒变体的出现[ ],以及VUC就诊与COVID-19确诊病例之间的强相关性,预计VUC的需求在近期内不会减少。更重要的是,我们观察到对非紧急、与covid -19无关的远程医疗的持续需求的新模式对医疗保健提供和公平具有巨大影响。对于患者来说,虚拟就诊的满意度高且稳定,表明他们接受并愿意在未来坚持使用远程医疗服务。是否会继续广泛发还虚拟诊症费用[ ]将成为决定远程医疗作为美国医疗保健交付主流模式的未来的因素之一。对患者人口统计数据的分析显示,远程医疗的使用,尤其是在紧急护理方面,在年轻患者中更为频繁。结合基于远程医疗的紧急护理用户的高满意度,这表明他们接受并愿意在未来坚持使用远程医疗服务。老年人远程医疗采用率较低可能是由于他们更倾向于急诊就诊,技术采用率较低[ ],以及其他原因。尽管最近的报告显示,在过去7年里,老年人中智能手机的使用率和互联网使用率增加了一倍多[ 在美国,年轻人和老年人在远程医疗的使用上仍然存在明显的数字鸿沟。在使用远程医疗满足紧急护理需求方面,这种差距进一步倾斜。技术采用的增加是否会转化为老年人对远程医疗的使用仍有待观察。此外,从2019冠状病毒病前(2019年)到最近(2021年),远程医疗和亲自就诊的结合增加了18%,远程医疗是这一增长的原因(106%),这表明虚拟医疗服务补充而不是取代了亲自护理。这可能是远程医疗提供的医疗服务增强的结果,使那些有地理、后勤或其他障碍的人能够更经常地获得医疗服务。远程医疗可能正在释放服务不足患者群体未得到满足的需求,如果包容性人群能够获得远程医疗,可能会改善卫生公平,减少卫生差距。尽管先前的研究发现,远程医疗获取差异反映了面对面医疗获取的差异[
],但远程医疗接入差异是否随着时间的推移而减少仍有待调查。尽管如此,有证据表明,卫生保健组织需要为远程医疗分配额外的资源,这不应该以牺牲面对面护理为代价。对于提供者来说,这种转变意味着快速发展和调整虚拟关系建立、同理心、诊断和咨询方面的技能。与之前工作的比较
据我们所知,这是在整个大流行期间探索远程医疗使用纵向趋势的首批研究之一。其他研究探索了COVID-19大流行期间远程医疗的各个方面,特别是其在早期阶段的令人印象深刻的扩展。在远程医疗早期发展的第一批案例研究中,Mann等人[
]和Sherwin等人[ ]描述了在大流行的第一波期间,我们卫生系统内远程医疗就诊的指数级增长,并概述了卫生系统的业务应对措施。这项工作得到了2020年和2021年大量针对远程医疗的出版物的补充,其中大多数报告了2020年初的数据和经验(PubMed关于“远程医疗采用”和“COVID-19”文献的综述返回了8000多篇论文,包括来自美国卫生系统和世界各地的案例研究、观点文章和评论)。重要的是,关于COVID-19期间远程医疗的一些文章呼吁注意在获取和使用这一技术方面出现的新的或日益扩大的差距,以及它对卫生不平等的影响[ , - ].Golinelli等人对大流行期间使用数字卫生工具的相关系统综述[ 报告显示,包括可穿戴设备、人工智能(AI)支持的计算和临床决策支持、区块链技术和物联网在内的众多数字健康工具的使用在增长,主要用于诊断、管理和监测与covid -19相关的疾病。我们的发现通过扩展我们对远程医疗使用的纵向模式及其对护理交付的潜在可持续影响的理解,有助于这一不断增长的文献体。限制
虽然这项研究有很多优点,但我们注意到以下局限性,可以在未来的研究中加以解决。首先,我们使用关键字匹配从诊断数据中识别COVID-19疑似病例,关键字列表仅限于最常见的COVID-19相关症状,以最大限度地减少假阳性识别。此外,大多数关键词都与呼吸问题有关,这是COVID-19早期浪潮中最常见的症状[
].最近的研究报告了COVID-19的非呼吸道症状[ - ],但我们无法使用更准确的方法,例如COVID-19检测结果来评估反复出现的大流行浪潮与远程医疗使用之间的关系。此外,满意度数据仅适用于VUC访问。虽然我们目前没有类似的全系统门诊患者满意度数据,但最近来自我们母胎医学实践的报告表明,使用远程医疗进行非紧急护理的患者满意度较高,这证实了我们的发现[ ].我们的数据可能不能推广到所有情况。例如,偏远和农村患者群体没有得到很好的代表。最后,在人口统计学方面,我们报告了按年龄组划分的远程医疗使用情况,但没有校正每个年龄组人口的基线比例,这可能不是均匀分布的。此外,本研究在评估远程医疗用户的患者群体时,没有考虑年龄以外的任何人口统计学因素。先前的研究报告了黑人男性患者在访问远程医疗时存在差异的证据[ ].未来的研究应该考虑种族、性别、社会经济地位和地理位置,在评估远程医疗采用者的人口统计学。结论
总而言之,数据表明,大流行早期阶段促使主要卫生保健系统向远程医疗护理的转变,在大流行的整个后期阶段都得到了持续[
].这是由各种远程医疗护理寻求推动的,包括紧急护理、初级护理和门诊专科护理,以及与covid -19相关和非covid -19相关的投诉。最有可能使用远程医疗的是较年轻的患者,这些患者报告对基于远程医疗的服务有很高的满意度。总的来说,这表明基于远程医疗的护理对患者具有很高的可接受性,并且作为一种重要的护理提供方式具有潜在的可持续性。需要进行更多的研究,以了解不同类型的卫生系统、患者和健康问题的远程医疗使用模式,并应对远程医疗获取和公平方面的持续挑战。致谢
作者要感谢西蒙·a·琼斯博士在手稿准备过程中周到的审阅和帮助。这项工作得到了美国国家科学基金会(NSF)的资助(编号1928614和2129076)。
数据可用性
用于分析的访问记录的主要数据来自纽约大学(NYU)朗格尼健康(NYULH)系统的电子健康记录(EHR)患者数据,其中包含受保护的健康信息(PHI),不能公开。我们将每月的访问数据列入表格
.此外,访问级别数据的部分去识别版本可能可以从Cosmos中获得,这是Epic的去识别健康保险可携带性和责任法案(HIPAA)限制的患者数据库。纽约市COVID-19人数数据可在Lau等人[ ].作者的贡献
所有作者都对概念和设计、数据的获取或数据的分析和解释做出了重大贡献;参与起草稿件或对重要知识内容进行批判性修改;对出版的版本给予最终批准;并同意对各方面工作负责。
利益冲突
没有宣布。
26个月期间远程医疗和面对面访问的总体趋势。
PNG文件,25kb
2020年1月至2022年2月期间COVID-19疑似病例和非COVID-19病例的远程医疗和现场就诊数据。
DOCX文件,21 KB参考文献
- AmericanWell。Amwell远程医疗指数消费者调查2019。2019.URL:https://static.americanwell.com/app/uploads/2019/07/American-Well-Telehealth-Index-2019-Consumer-Survey-eBook2.pdf[2020-03-30]访问
- 多尔西ER,托波尔EJ。远程保健状况。中华医学杂志2016年7月14日;37(2):154-161。[CrossRef]
- 韦德VA,艾略特JA,希勒JE。临床医生的接受是可持续远程保健服务的关键因素。合格卫生决议2014年5月31日;24(5):682-694。[CrossRef] [Medline]
- Robert G, Macfarlane F, Bate P, Kyriakidou O.服务组织创新扩散:系统评价和建议。中国科学院学报(自然科学版)2004年12月27日。[CrossRef]
- Bentley CL, Powell LA, Orrell A, Mountain GA。解决远程护理使用的设计和适用性障碍:有什么改变吗?技术缺陷2015年3月13日;26(4):221-235。[CrossRef]
- Clark J, McGee‐Lennon M.以利益相关者为中心,探索目前英国家庭护理技术采用的障碍。J Assist technology 2011 3月18日;5(1):12-25。[CrossRef]
- 疾病控制和预防中心。疾控中心博物馆COVID-19时间线。URL:https://www.cdc.gov/muse嗯/时间/ covid19.html[2022-06-10]访问
- Mann D, Chen J, Chunara R, Testa P, Nov O. COVID-19通过远程医疗改变卫生保健:来自现场的证据。美国医学通报协会2020年7月01日;27(7):1132-1135 [免费全文] [CrossRef] [Medline]
- 刘杰,克努森J,杰克逊H, Wallach AB, Bouton M, Natsui S,等。在covid-19大流行期间保持联系:美国最大的安全网系统中的远程医疗卫生Aff (Millwood) 2020年8月01日;39(8):1437-1442。[CrossRef] [Medline]
- J.D. Power。美国远程医疗满意度研究。URL:https://www.jdpower.com/business/healthcare/us-telehealth-satisfaction——研究[2022-09-16]访问
- 格林J,罗特曼J,肖特J.过渡到可持续发展:长期变革性变化研究的新方向。纽约州纽约州:劳特利奇;2010.
- 格林哈尔希,惠敦J, Papoutsi C,林奇J,休斯G, A'Court C,等。超越采用:一个新的框架,用于理论和评估不采用、放弃以及对卫生和保健技术的扩大、传播和可持续性的挑战。J Med Internet Res 2017 Nov 01;19(11):e367 [免费全文] [CrossRef] [Medline]
- Parikh S, Davoudi A, Yu S, Giraldo C, Schriver E, Mowery D.使用开源词嵌入源开发与covid-19相关概念的词汇:内在和外在评价。JMIR Med Inform 2021年2月22日;9(2):e21679 [免费全文] [CrossRef] [Medline]
- Wang L, Foer D, MacPhaul E, Lo Y, Bates DW, Zhou L. PASCLex:基于电子病历临床记录的COVID-19急性后后遗症(PASC)综合症状词汇。J Biomed Inform 2022年1月;125:103951 [免费全文] [CrossRef] [Medline]
- 2020 ICD-10-CM。URL:https://www.cms.gov/Medicare/Coding/ICD10/2020-ICD-10-CM[2022-09-16]访问
- 赵Chunara R, Y,陈J, K,劳伦斯甲壳P, 11月啊,等。远程医疗和医疗保健差异:COVID-19期间纽约市一个大型医疗保健系统的队列研究。J Am Med Inform association 2021年1月15日;28(1):33-41 [免费全文] [CrossRef] [Medline]
- 张春华,张志强,张志强。脱机变化点检测方法的研究进展。信号处理2020年2月;167:107299。[CrossRef]
- 赵建平,李志强,李志强,等。基于稀疏二值分割的高维时间序列多变化点检测方法。中国生物医学工程学报2014年7月24日;32(2):475-507。[CrossRef]
- 美国人口调查局。年龄和性别。URL:https://www.census.gov/topics/population/age-and-sex.html[2022-09-16]访问
- 纽约。COVID-19:数据。URL:https://www1.nyc.gov/site/doh/covid/covid-19-data.page[2022-09-16]访问
- 杜祖尔,张志强,张志强,等。远程医疗视频访问在COVID-19大流行中心的母胎医学实践中的应用Am J Obstet妇科MFM 2021年11月;3(6):100469 [免费全文] [CrossRef] [Medline]
- 杜伯威,彭志强,方涛,陈志强,等。SARS CoV-2欧微米变种是否比delta变种更致命,更具有传染性?国际环境与公共卫生杂志2022年4月11日;19(8):4586 [免费全文] [CrossRef] [Medline]
- Nyberg T, Ferguson NM, Nash SG, Webster HH, Flaxman S, Andrews N,等。英国SARS-CoV-2 omicron (B.1.1.529)和delta (B.1.617.2)变异相关住院和死亡风险的比较分析:一项队列研究柳叶刀2022年4月;399(10332):1303-1312。[CrossRef]
- Karim SSA, Karim QA。欧米克隆SARS-CoV-2变种:COVID-19大流行的新篇章。柳叶刀2021年12月;398(10317):2126-2128。[CrossRef]
- 医疗保险远程医疗保健提供者情况说明书。URL:https://www.cms.gov/newsroom/fact-sheets/medicare-tele medicine-health-care-provider-fact-sheet[2022-09-16]访问
- 皮尤研究中心。老年人对科技产品的采用有所增加。URL:https://www.pewresearch.org/internet/2017/05/17/tech-adoption-climbs-among-older-adults/[2021-12-08]访问
- 皮尤研究中心。与十年前相比,60岁及以上的美国人花在屏幕前的时间更多。URL:https://www.pewresearch.org/fact-tank/2019/06/18/americans-60-and-older-are-spending-more-time-in-front-of-their -screens-than-a-decade-ago /[2021-12-08]访问
- Sherwin J, Lawrence K, Gragnano V, Testa PA。在2019年冠状病毒疾病的中心扩大虚拟健康:纽约大学朗格尼健康中心的案例研究。J Telemed Telecare 2020 july 19;28(3):224-229。[CrossRef]
- Katzow M, Steinway C, Jan S. covid-19期间的远程医疗和健康差异。儿科学2020年8月;146(2):e20201586。[CrossRef] [Medline]
- Ortega G, Rodriguez JA, Maurer LR, Witt EE, Perez N, Reich A,等。远程医疗、COVID-19与差异:政策影响。卫生政策技术2020年9月;9(3):368-371 [免费全文] [CrossRef] [Medline]
- Golinelli D, Boetto E, Carullo G, Nuzzolese AG, Landini议员,Fantini议员。covid-19大流行期间在医疗保健中采用数字技术:早期科学文献的系统回顾J Med Internet Res 2020年11月06日;22(11):e22280 [免费全文] [CrossRef] [Medline]
- 王晓峰,王晓峰,王晓峰,等。新型冠状病毒病病理生理学研究进展。临床免疫2020年6月;215:108427 [免费全文] [CrossRef] [Medline]
- 苏波,阿布拉拉,阿卜德萨拉姆,阿瓦德·SS,马巴达维,马法特巴布,等。2019年新型冠状病毒病(COVID-19)非呼吸道感染。埃及支气管医院2020年10月01日;14(1):1-6。[CrossRef]
- AlSamman M, Caggiula A, Ganguli S, Misak M, Pourmand A. COVID-19非呼吸道表现的临床综述。Am J急诊医学2020年11月;38(11):2444-2454 [免费全文] [CrossRef] [Medline]
- 周安,宋强,彭勇,廖旭,黄鹏,刘伟,等。COVID-19疾病发病时的症状可预测预后。利比亚J Med 2022年12月21日;17(1):2010338 [免费全文] [CrossRef] [Medline]
- 贝罗-查沃拉O,安东尼奥-维拉N, Vargas-Vázquez A, Fermín-Martínez CA, Márquez-Salinas A, Bahena-López JP。墨西哥城非呼吸道症状和无症状严重急性呼吸系统综合征冠状病毒感染病例分析临床感染疾病2021年5月18日;72(10):e655-e658 [免费全文] [CrossRef] [Medline]
- Lawrence K, Nov O, Mann D, Mandal S, Iturrate E, Wiesenfeld B. covid-19大流行期间远程医疗对医生下班后电子健康记录“工作以外的工作”的影响:回顾性队列研究JMIR Med Inform 2022年7月28日;10(7):e34826 [免费全文] [CrossRef] [Medline]
缩写
电子健康档案:电子健康记录 |
诊断结果:《国际疾病分类》第十版 |
纽约:纽约市 |
纽约大学:纽约大学 |
NYULH:纽约大学朗格尼健康中心 |
VUC:虚拟急救 |
A Mavragani编辑;提交11.04.22;同行评议:E Borycki, K Adapa, B Wolfe-Piggott;对作者06.05.22的评论;修订版本收到14.06.22;接受02.09.22;发表14.10.22
版权©Soumik Mandal, Batia M Wiesenfeld, Devin Mann, Katharine Lawrence, Rumi Chunara, Paul Testa, Oded Nov.最初发表于JMIR形成研究(https://formative.www.mybigtv.com), 14.10.2022。
这是一篇开放获取的文章,根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上不受限制地使用、分发和复制,前提是正确引用了首次发表在JMIR Formative Research上的原创作品。必须包括完整的书目信息,https://formative.www.mybigtv.com上的原始出版物的链接,以及此版权和许可信息。