Uptake and Scalability of a Peritoneal Dialysis Virtual Care Solution: Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Early research in the area of virtual care solutions with peritoneal dialysis (PD) patients has focused on evaluating the outcomes and impact of these solutions. There has been less attention focused on understanding the factors influencing the uptake, usability, and scalability of virtual care for chronic kidney disease (CKD) patients receiving PD at home. OBJECTIVE: In this context, a study was undertaken to (1) assess and understand the factors influencing the uptake of a virtual care solution and (2) provide recommendations for the scalability of a virtual care solution aimed at enhancing CKD patients' outcomes and experiences. METHODS: This study used a qualitative design with semistructured interviews and a thematic analysis approach. A total of 25 stakeholders-6 patients and 3 caregivers, 6 health care providers, 2 vendors, and 8 health system decision makers-participated in this study. RESULTS: The following three primary mechanisms emerged to influence the usability of the virtual care solution: (1) receiving hands-on training and ongoing communication from a supportive team, (2) adapting to meet user needs and embedding them into workflow, and (3) being influenced by patient and caregiver characteristics. Further, two overarching recommendations were developed for considerations around scalability: (1) co-design locally, embed into the daily workflow, and deploy over time and (2) share the benefits and build the case. CONCLUSIONS: Study findings can be used by key stakeholders in their future efforts to enhance the implementation, uptake, and scalability of virtual care solutions for CKD and managing PD at home.
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 | 0,022 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,006 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».