Virtual care policy recommendations for patient-centred primary care: findings of a consensus policy dialogue using a nominal group technique
Notice bibliographique
Résumé
Background The development of new virtual care technologies (including telehealth and telemedicine) is growing rapidly, leading to a number of challenges related to health policy and planning for health systems around the world. Methods We brought together a diverse group of health system stakeholders, including patient representatives, to engage in policy dialogue to set health system priorities for the application of virtual care in the primary care sector in the Province of Ontario, Canada. We applied a nominal group technique (NGT) process to determine key priorities, and synthesized these priorities with group discussion to develop recommendations for virtual care policy. Methods included a structured priority ranking process, open-ended note-taking, and thematic analysis to identify priorities. Results Recommendations were summarized under the following themes: (a) identify clear health system leadership to embed virtual care strategies into all aspects of primary and community care; (b) make patients the focal point of health system decision-making; (c) leverage incentives to achieve meaningful health system improvements; and (d) building virtual care into streamlined workflows. Two key implications of our policy dialogue are especially relevant for an international audience. First, shifting the dialogue away from technology toward more meaningful patient engagement will enable policy planning for applications of technology that better meet patients' needs. Second, a strong conceptual framework on guiding the meaningful use of technology in health care settings is essential for intelligent planning of virtual care policy. Conclusions Policy planning for virtual care needs to shift toward a stronger focus on patient engagement to understand patients' needs.
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 | 0,273 | 0,369 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,019 | 0,015 |
| Communication savante | 0,012 | 0,011 |
| Science ouverte | 0,005 | 0,021 |
| Intégrité de la recherche | 0,008 | 0,009 |
| 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 ».