Healthcare providers' perceptions of virtual‐care with children's mental health in a pandemic: A hospital and community perspective
Notice bibliographique
Résumé
AIM: The purpose of the present study was to explore the experiences of a diverse group of mental health clinicians both in hospital and in the community, who were required to rapidly adopt virtual-care practices in the delivery of mental health services to children, adolescents, and their families. METHODS: Mental health clinicians (N = 117) completed the Clinician Virtual-Care Experience Survey assessing the following domains: ease of technology use, client/patient-provider interaction quality, and clinician wellbeing. RESULTS: Although over 70% of clinicians had not used virtual-care to deliver mental health services prior to the Coronavirus Disease 2019 pandemic, more than 80% felt it was easy to operate the virtual platforms. Clinicians were divided in their perceptions of the effectiveness of virtual-care, with only 42% reporting that they felt they were as effective in delivering healthcare services virtually as compared to in-person. Virtual-care was described as being more effective for specific populations, while challenges were described in building rapport and when delivering difficult or unexpected feedback. CONCLUSIONS: Clinicians felt there were some benefits of adopting virtual-care practices, while challenges were also identified. Understanding of the impact of virtual-care on service providers is essential in order to strengthen mental healthcare for children, adolescents, and their families even 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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».