Opioid use disorder patients’ perceptions of healthcare delivery platforms
Notice bibliographique
Résumé
OBJECTIVES: To assess the acceptability and quality of web-based videoconferencing telemedicine consultation platform in the treatment of opioid use disorder at TrueNorth Medical Centre. METHODS: We conducted an interview based quality improvement initiative using an investigator-designed questionnaire. The questionnaire consisted of 17 Agree/Disagree questions, measured on a 7-point Likert scale and 2 questions where patients had the ability to elaborate qualitatively on their perceptions and experiences with their telemedicine service. Content-style analysis was performed on qualitative responses. RESULTS: The majority of patients (n=14; 47%) preferred face-to-face over telemedicine consultations. The number of patients that preferred telemedicine consultations over face-to-face consultations was lower (n=6; 20%). A notable number of patients (n=10; 33%) indicated no specific preference for either telemedicine or face-to-face consultations. Patients preferring face-to-face consultations rated their clinical outcome and patient-physician relationship following telemedicine consultations similarly as those who preferred telemedicine consultations. Patients preferring telemedicine rated their experience and overall perceptions of the service significantly higher than those preferring face-to-face consultations. Patients who preferred telemedicine consultations identified the efficient and timesaving nature of telemedicine consultations as primary advantages whereas those preferring face-to-face consultations reported lower levels of empathy from their physician during telemedicine consultations as a major disadvantage. CONCLUSIONS: The majority of patients at TrueNorth Medical Centre viewed telemedicine consultations as an acceptable treatment modality. Patients preferring telemedicine consultations and those preferring face-to-face consultations evaluated the majority of the measured indices of care in a similar fashion.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».