Primary care teams’ experiences of delivering mental health care during the COVID-19 pandemic: a qualitative study
Notice bibliographique
Résumé
BACKGROUND: Integrated primary care teams are ideally positioned to support the mental health care needs arising during the COVID-19 pandemic. Understanding how COVID-19 has affected mental health care delivery within primary care settings will be critical to inform future policy and practice decisions during the later phases of the pandemic and beyond. The objective of our study was to describe the impact of the COVID-19 pandemic on primary care teams' delivery of mental health care. METHODS: A qualitative study using focus groups conducted with primary care teams in Ontario, Canada. Focus group data was analysed using thematic analysis. RESULTS: We conducted 11 focus groups with 10 primary care teams and a total of 48 participants. With respect to the impact of the COVID-19 pandemic on mental health care in primary care teams, we identified three key themes: i) the high demand for mental health care, ii) the rapid transformation to virtual care, and iii) the impact on providers. CONCLUSIONS: From the outset of the COVID-19 pandemic, primary care quickly responded to the rising mental health care demands of their patients. Despite the numerous challenges they faced with the rapid transition to virtual care, primary care teams have persevered. It is essential that policy and decision-makers take note of the toll that these demands have placed on providers. There is an immediate need to enhance primary care's capacity for mental health care for the duration of the pandemic and beyond.
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 | 0,015 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,008 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».