Exposure to and attitudes regarding electronic healthcare (e‐Health) among physician assistants in Canada: A national survey study
Notice bibliographique
Résumé
Physician assistants (PAs) are a growing group of healthcare providers who could facilitate the adoption of electronic healthcare (e-Health) into practice. In 2018, we conducted a Canada-wide web-based survey study of practicing PAs and student PAs regarding their current exposure to e-Health, as well as their perceived value for its use and interest in future adoption. For this study, e-Health was defined as technology that allows direct communication between patients and healthcare providers or facilitates patient self-management for the purpose of assessment and management. We focused on telehealth, direct messaging (e.g. text, email), patient-directed web-based applications (apps) and patient-provider shared web-based apps. Survey responses were analysed descriptively and compared between practicing and student PAs with Chi-square tests of independence. We also examined correlations between age, exposure, perceived value and interest in future adoption for practicing PAs and student PAs separately. About 186 respondents completed the survey; 145 practicing PAs and 39 student PAs. Fewer than half of respondents had exposure to the studied e-Health modalities. Compared to practicing PAs, student PAs more often perceived value in e-Health and expressed interest in its expanded adoption. In both groups, perceived value frequently correlated significantly with interest in adoption. Student PAs report little formal education during their training, and both practicing PAs and student PAs note a need for infrastructure support, and general knowledge about what is available and safe in order to enable them to expand their use of e-Health in practice. The most interest is present for patient-directed apps and patient-provider shared apps. With workload and remuneration barriers to physician adoption of e-Health, salary-based PAs could have a role in facilitating the integration of e-Health solutions into practice. Additional awareness, exposure and support for PAs to do so are required.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».