Patient Attitudes Toward Telepsychiatry During the COVID-19 Pandemic: A Nationwide, Multisite Survey
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic and its associated movement restrictions forced a rapid and massive transition to telepsychiatry to successfully maintain care continuity. OBJECTIVE: The aim of this study is to examine a large number of patients' experiences of, use of, and attitudes toward telepsychiatry. METHODS: An anonymous 11-question survey was delivered electronically to 14,000 patients receiving telepsychiatry care at 18 participating centers across 11 US states between the months of April and June 2020, including questions about their age and length of service use, as well as experience and satisfaction with telepsychiatry on a 5-point Likert scale. Descriptive statistics were used to analyze and report data. RESULTS: In total, 3070 patients with different age ranges participated. The overall experience using telepsychiatry was either excellent or good for 1189 (82.2%) participants using video and 2312 (81.5%) using telephone. In addition, 1922 (63.6%) patients either agreed or strongly agreed that remote treatment sessions (telephone or video) have been just as helpful as in-person treatment. Lack of commute (n=1406, 46.1%) and flexible scheduling/rescheduling (n=1389, 45.5%) were frequently reported advantages of telepsychiatry, whereas missing the clinic/hospital (n=936, 30.7%) and not feeling as connected to their doctor/nurse/therapist (n=752, 24.6%) were the most frequently reported challenges. After the current pandemic resolves, 1937 (64.2%) respondents either agreed or strongly agreed that they would consider using remote treatment sessions in the future. CONCLUSIONS: Telepsychiatry is very well perceived among a large sample of patients. After the current pandemic resolves, some patients may benefit from continued telepsychiatry, but longitudinal studies are needed to assess impact on clinical outcomes and determine whether patients' perceptions change over time.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».