Barriers and facilitators to virtual care in a geriatric medicine clinic: a semi-structured interview study of patient, caregiver and healthcare provider perspectives
Notice bibliographique
Résumé
BACKGROUND: COVID-19-related physical distancing measures necessitated widespread adoption of virtual care (i.e. telephone or videoconference), but patients, caregivers and healthcare providers raised concerns about its implementation and sustainability given barriers faced by older adults. OBJECTIVE: To describe barriers and facilitators experienced by people accessing and providing virtual care in a geriatric medicine clinic. DESIGN: Qualitative semi-structured interview study. SETTING AND PARTICIPANTS: We recruited and interviewed 20 English-speaking patients, caregivers and healthcare providers who participated in virtual care at St. Michael's Hospital's geriatric medicine clinic, Toronto, Canada, between 22 October 2020 and 23 January 2021. METHODS: We analyzed data in two stages: framework analysis and deductive coding to the Theoretical Domains Framework. RESULTS: We included six healthcare providers, seven patients and seven caregivers. We identified eight themes: impact of the COVID-19 pandemic on virtual care uptake, complexity of virtually caring for older adults, uncertain accuracy of virtual assessments, inequity in access to virtual care, importance of caring for the patient-caregiver dyad, assimilating technology into the lives of older adults, impact of technology-related factors on virtual care uptake and impact of clinic processes on integration of virtual care into outpatient care. Further, we identified knowledge, skills, belief in capabilities, and environmental context and resources as key barriers and facilitators to uptake. CONCLUSIONS: Patients, caregivers and healthcare providers believe that there is a role for virtual care after COVID-19-related physical distancing measures relax, but we must tailor implementation of virtual care programs for older adults based on identified barriers and facilitators.
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 | 0,011 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».