MétaCan
Menu
Retour à la cohorte
Enregistrement W3113344425 · doi:10.2196/24966

Best Practices for Virtual Engagement of Patient-Centered Outcomes Research Teams During and After the COVID-19 Pandemic: Qualitative Study

2020· article· en· W3113344425 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of Participatory Medicine · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensnon disponible
Organismes subventionnairesPatient-Centered Outcomes Research InstituteCystic Fibrosis Foundation
Mots-clésBest practiceWeb applicationWorld Wide WebComputer sciencePsychologyMedical educationKnowledge managementInternet privacyMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Patient-centered outcomes research (PCOR) engages patients as partners in research and focuses on questions and outcomes that are important to patients. The COVID-19 pandemic has forced PCOR teams to engage through web-based platforms rather than in person. Similarly, virtual engagement is the only safe alternative for members of the cystic fibrosis (CF) community, who spend their lives following strict infection control guidelines and are already restricted from in-person interactions. In the absence of universal best practices, the CF community has developed its own guidelines to help PCOR teams engage through web-based platforms. OBJECTIVE: This study aimed to identify the important attributes, facilitators, and barriers to teams when selecting web-based platforms. METHODS: We conducted semistructured interviews with CF community members, nonprofit stakeholders, and researchers to obtain information regarding their experience with using web-based platforms, including the effectiveness and efficiency of these platforms and their satisfaction with and confidence while using each platform. Interviews conducted via Zoom were audio recorded and transcribed. We identified key themes through content analysis with an iterative, inductive, and deductive coding process. RESULTS: In total, 15 participants reported using web-based platforms for meetings, project management, document sharing, scheduling, and communication. When selecting web-based platforms, participants valued their accessibility, ease of use, and integration with other platforms. Participants speculated that successful web-based collaboration involved platforms that emulate in-person interactions, recognized the digital literacy levels of the team members, intentionally aligned platforms with collaboration goals, and achieved team member buy-in to adopt new platforms. CONCLUSIONS: Successful web-based engagement in PCOR requires the use of multiple platforms in order to fully meet the asynchronous or synchronous goals of the project. This study identified the key attributes for the successful practice of PCOR on web-based platforms and the common challenges and solutions associated with their use. Our findings provide the best practices for selecting platforms and the lessons learned through web-based PCOR collaborations.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,474
Score d'incertitude au seuil0,711

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,847
Tête enseignante GPT0,674
Écart entre enseignants0,173 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle