Implementation of Telehealth Services at the US Department of Veterans Affairs During the COVID-19 Pandemic: Mixed Methods Study
Notice bibliographique
Résumé
BACKGROUND: At the onset of the COVID-19 pandemic, there was a rapid increase in the use of telehealth services at the US Department of Veterans Affairs (VA), which was accelerated by state and local policies mandating stay-at-home orders and restricting nonurgent in-person appointments. Even though the VA was an early adopter of telehealth in the late 1990s, the vast majority of VA outpatient care continued to be face-to-face visits through February 2020. OBJECTIVE: We compared telehealth service use at a VA Medical Center, Greater Los Angeles across 3 clinics (primary care [PC], cardiology, and home-based primary care [HBPC]) 12 months before and 12 months after the onset of COVID-19 (March 2020). METHODS: We used a parallel mixed methods approach including simultaneous quantitative and qualitative approaches. The distribution of monthly outpatient and telehealth visits, as well as telephone and VA Video Connect encounters were examined for each clinic. Semistructured telephone interviews were conducted with 34 staff involved in telehealth services within PC, cardiology, and HBPC during COVID-19. All audiotaped interviews were transcribed and analyzed by identifying key themes. RESULTS: Prior to COVID-19, telehealth use was minimal at all 3 clinics, but at the onset of COVID-19, telehealth use increased substantially at all 3 clinics. Telephone was the main modality of patient choice. Compared with PC and cardiology, video-based care had the greatest increase in HBPC. Several important barriers (multiple steps for videoconferencing, creation of new scheduling grids, and limited access to the internet and internet-connected devices) and facilitators (flexibility in using different video-capable platforms, technical support for patients, identification of staff telehealth champions, and development of workflows to help incorporate telehealth into treatment plans) were noted. CONCLUSIONS: Technological issues must be addressed at the forefront of telehealth evolution to achieve access for all patient populations with different socioeconomic backgrounds, living situations and locations, and health conditions. The unprecedented expansion of telehealth during COVID-19 provides opportunities to create lasting telehealth solutions to improve access to care beyond the pandemic.
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 | 0,013 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».