MétaCan
Menu
Retour à la cohorte
Enregistrement W3153929058 · doi:10.3389/fnins.2021.648489

Neurologic Music Therapy via Telehealth: A Survey of Clinician Experiences, Trends, and Recommendations During the COVID-19 Pandemic

2021· article· en· W3153929058 sur OpenAlexafffund
Lauren Patricia Cole, Tara Lynn Henechowicz, Kyurim Kang, Marija Pranjić, Nicole Richard Williams, Gloria L. J. Tian, Corene Hurt-Thaut

Notice bibliographique

RevueFrontiers in Neuroscience · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of Toronto
Mots-clésTelehealthDemographicsCoronavirus disease 2019 (COVID-19)PandemicTelemedicineMedicineClinical PracticePsychologyPerceptionFamily medicineHealth careDisease

Résumé

récupéré en direct d'OpenAlex

This cross-sectional survey investigated the transition of Neurologic Music Therapy (NMT) services from in-person (pre-COVID-19) to telehealth (since COVID-19) to (1) determine whether the use of an NMT paradigm contributes to the successful transition of therapy services to telehealth, (2) identify which NMT domains and techniques are transferable from in-person to telehealth, (3) identify whether there are differences in the transition of NMT services across different employment settings, and (4) evaluate the potential benefits and challenges of telehealth NMT. An online survey comprised of 49 closed and open-ended questions was distributed by the Academy of Neurologic Music Therapy to 2,778 NMT affiliates worldwide. The survey sought information on demographics, telehealth perceptions, technology, assessment, clinical practice, safety, and caregiver involvement. Quantitative and qualitative analyses were applied. Eighty-one participants answered the survey and the 69 who completed the survey in its entirety were included in the analysis. Results indicated that the frequency of NMT technique usage had no impact on the overall number of clinical hours retained over telehealth. Correlation analysis revealed an association between more frequent NMT usage and perceived likelihood of using telehealth in the future (i.e., once COVID-19 is no longer a major threat), as well as with fewer group sessions lost over telehealth. All NMT domains transferred to telehealth, although within the sensorimotor domain, fewer therapists implemented rhythmic auditory stimulation for telehealth sessions compared to in-person. Overall, NMTs had fewer hours for telehealth compared to in-person regardless of employment setting. Technological challenges were notable drawbacks, while major benefits included the ability to continue providing NMT when in-person sessions were not possible, increased accessibility for remote clients, and positive outcomes related to increased caregiver involvement. Based on the results, our recommendations for implementing telehealth in Neurologic Music Therapy include integrating telehealth into routine care, mitigating safety concerns, identifying those who could benefit most from remote delivery, involving caregivers, and developing/sharing resources for telehealth NMT.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,340

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,148
Tête enseignante GPT0,406
Écart entre enseignants0,258 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations74
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeuroscienceMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207