<scp>COVID</scp>‐19 pandemic's effects and telehealth in Early Psychosis Services of Quebec, Canada: Will changes last?
Notice bibliographique
Résumé
AIM: To explore the impacts of the COVID-19 pandemic first wave in Quebec, Canada on practices in early intervention services (EIS) for first-episode psychosis, including reorganization of clinical and administrative practices and teleconsultation use. METHODS: Adopting a cross-sectional descriptive study design, a 41 questions online survey was sent to the team leaders of all the 33 Quebec EIS, of which 100% responded. Data were collected from 18 May to 4 June 2020 and analysed using descriptive statistics and content analysis. Programmes were categorized as urban/non-urban and results were compared between these. RESULTS: All 33 existing Quebec EIS (16 urban and 17 non-urban) completed the survey. Among them, 85% did not experience redeployment of EIS team staff and 58% reported stable frequency of patient interactions, either in-person or through telemedicine. During the studied period, 64% of programmes reported that all professionals used teleconsultation at least occasionally. However, 73% of programmes, mostly in non-urban areas, reported some limitations regarding clinicians' degree of ease with teleconferencing platforms and half of EIS could not access technical support to use them. The majority of EIS (94%) expressed interest to participate in a training program about the use of technologies for teleconsultations. Many smaller clinics reported interest in offering multiregional/multiclinics group teletherapy, therefore merging their pool of patients and clinical staff workforce. CONCLUSIONS: Further studies are warranted to improve access to and use of technology-mediated treatment, which seems to be a promising alternative to provide high-quality mental healthcare during the COVID-19 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 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 | 0,001 |
| 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 | 0,000 |
| 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 ».