Acceptability, Feasibility, and Quality of Telehealth for Adolescent Health Care Delivery During the COVID-19 Pandemic: Cross-sectional Study of Patient and Family Experiences
Notice bibliographique
Résumé
BACKGROUND: Data regarding the acceptability, feasibility, and quality of telehealth among adolescents and young adults (AYA) and their parents and caregivers (caregivers) are lacking. OBJECTIVE: The aim of this study was to assess the noninferiority of telehealth versus in-person visits by comparing acceptability with respect to efficiency, effectiveness, equity, patient-centeredness, and confidentiality. METHODS: Cross-sectional web-based surveys were sent to caregivers and AYA following video visits within an Adolescent Medicine subspecialty clinic in May-July 2020. Proportions of AYA and caregivers who rated telehealth as noninferior were compared using chi-squared tests. Feasibility was assessed via items measuring technical difficulties. Deductive thematic analysis using the Institute of Medicine dimensions of health care quality was used to code open-ended question responses. RESULTS: Survey response rates were 20.5% (55/268) for AYA and 21.8% (123/563) for caregivers. The majority of the respondents were White cisgender females. Most AYA and caregivers rated telehealth as noninferior to in-person visits with respect to confidentiality, communication, medication management, and mental health care. A higher proportion of AYA compared to caregivers found telehealth inferior with respect to confidentiality (11/51, 22% vs 3/118, 2.5%, P<.001). One-quarter (14/55) of the AYA patients and 31.7% (39/123) of the caregivers reported technical difficulties. The dominant themes in the qualitative data included advantages of telehealth for efficiency and equity of health care delivery. However, respondents' concerns included reduced safety and effectiveness of care, particularly for patients with eating disorders, owing to lack of hands-on examinations, collection of vital signs, and laboratory testing. CONCLUSIONS: Telehealth was highly acceptable among AYA and caregivers. Future optimization should include improving privacy, ameliorating technical difficulties, and standardizing at-home methods of obtaining patient data to assure patient safety.
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 | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».