Utilization of Telemedicine in Addressing Musculoskeletal Care Gap in Long-Term Care Patients
Notice bibliographique
Résumé
A notable proportion of patient transfers in Ontario are from long-term care facilities for consultation of musculoskeletal (MSK) issues. These transfers are costly for patients and the healthcare system. This study evaluated the utility of a telemedicine MSK (TeleMSK) service for long-term care patients requiring an orthopaedic consultation. Method: A cross-sectional study was used to assess TeleMSK from September 2018 to April 2019. Twenty-six long-term care facilities participated in this study, which included 32 long-term care patients assessed via TeleMSK and 27 telemedicine liaisons. The Telehealth Satisfaction Scale and the Telemedicine Usability Questionnaire (TUQ) surveys were used to evaluate the usefulness of the TeleMSK program. Results: Patients and families rated voice (64.3%) and visual (71.4%) quality of TeleMSK to be excellent as well as the length of consultation (92.9%). A total of 78.6% of participants rated explanations from physicians to be excellent and 92.9% of the participants rated the carefulness, skillfulness, respect, and sensitivity of the attending physician to be excellent 85.7%. Patients felt privacy and confidentiality was maintained and respected throughout the consultation. Most telemedicine liaisons agreed that TeleMSK improved accessibility and productivity of consultations, and 81.5% of the telemedicine liaisons strongly agreed that they would use TeleMSK again in the future. Conclusion: TeleMSK allowed for accessible, timely orthopaedic consultations without compromising the quality of patient care. Patients, families, and telemedicine liaisons rated their experience and the use of TeleMSK as excellent. Barrier to health care is an important issue in the long-term care population. TeleMSK is an excellent medium to close this gap.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».