MétaCan
Menu
Retour à la cohorte
Enregistrement W2160964921 · doi:10.1177/1049732314549022

Time While Waiting

2014· article· en· W2160964921 sur OpenAlexafffund
Tracey Carr, Ulrich Teucher, Alan G. Casson

Notice bibliographique

RevueQualitative Health Research · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensGovernment of AlbertaMinistry of HealthUniversity of Saskatchewan
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésDuration (music)Lived experienceInterpretative phenomenological analysisMedicineWaiting periodPerceptionAgency (philosophy)PsychologyQuality of life (healthcare)Patient experienceTolerabilityQualitative researchNursingHealth carePsychotherapistAlternative medicine

Résumé

récupéré en direct d'OpenAlex

Research on patients' experiences of wait time for scheduled surgery has centered predominantly on the relative tolerability of perceived wait time and impacts on quality of life. We explored patients' experiences of time while waiting for three types of surgery with varied wait times--hip or knee replacement, shoulder surgery, and cardiac surgery. Thirty-two patients were recruited by their surgeons. We asked participants about their perceptions of time while waiting in two separate interviews. Using interpretative phenomenological analysis (IPA), we discovered connections between participant suffering, meaningfulness of time, and agency over the waiting period and the lived duration of time experience. Our findings reveal that chronological duration is not necessarily the most relevant consideration in determining the quality of waiting experience. Those findings helped us create a conceptual framework for lived wait time. We suggest that clinicians and policy makers consider the complexity of wait time experience to enhance preoperative patient 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,235
score de la tête « metaresearch » (Gemma)0,030
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,675
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,2350,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,038

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.

Tête enseignante Opus0,858
Tête enseignante GPT0,653
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQualitative Health ResearchMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207