What Do Patients Talk About? A Qualitative Analysis of Online Chat Sessions with Health Care Specialists During a “Virtual” Cardiac Rehabilitation Program
Notice bibliographique
Résumé
INTRODUCTION: Cardiac rehabilitation programs (CRPs) are effective at reducing cardiovascular disease (CVD) risk, yet attendance in these programs remains low due to geographic constraints. In a previously conducted randomized trial we demonstrated that a virtual CRP (vCRP) delivered over the Internet reduced risk for CVD. The current investigation has reviewed the online chat sessions between participants and healthcare providers (HCP) to describe the content of discussions during the vCRP intervention. MATERIALS AND METHODS: Participants were recruited from two geographically isolated areas in British Columbia, Canada without in-person CRP or a cardiologist serving the area. The vCRP, among other elements, included scheduled one-on-one chat sessions with a dietician, exercise specialist, and nurse to mimic standard CRP consultations. The chat sessions were reviewed for content and themes. Multiple chat sessions between participants and a single care provider were also analyzed to describe how chat content progressed through multiple sessions. RESULTS: A total of 38 participants participated in the vCRP intervention. From the 122 chat sessions between participants and HCP during the vCRP, the main themes identified were Managing Health and Lifestyle, Continuity of Care, and Getting Care from a Distance. Within each theme, sub-themes were also identified. CONCLUSIONS: The vCRP chat sessions fulfilled the role of face-to-face consultations with HCP that are standard in hospital-based CRP and addressed patient concerns, facilitating remote patient-provider interaction and covering topics on exercise, diet, and positive behavior changes to limit risk factors for future heart problems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».