“One Degree of Separation”: A Mixed-Methods Evaluation of Canadian Mental Health Care User and Provider Experiences With Remote Care During COVID-19
Notice bibliographique
Résumé
Objectives The COVID-19 pandemic has contributed to a shift from in-person to remote mental health care. While remote care methods have long existed, their widespread use is unprecedented. There is little research about mental health care user and provider experiences with this transition, and no published studies to date have compared satisfaction between these groups. Methods Canadian mental health care users ( n = 332) and providers ( n = 107) completed an online self-report survey from October 2020 to February 2021 hosted by the Canadian Biomarker Integration Network in Depression. Using a mixed-methods approach, participants were asked about their use of remote care, including satisfaction, barriers to use, helpful and unhelpful factors, and suggestions for improvement. Results Overall, 59% to 63% of health care users and 59% of health care providers were satisfied with remote care. Users reported the greatest satisfaction with the convenience of remote care, while providers were most satisfied with the speed of provision of care; all groups were least satisfied with therapeutic rapport. Health care providers were less satisfied with the user-friendliness of remote care ( P < 0.001) than users, while health care users were less satisfied than providers with continuity of care ( P < 0.001). The use of a video-based platform was associated with remote care satisfaction among health care users ( P < 0.02), and qualitative responses support the importance of visual cues in maintaining therapeutic rapport remotely. The majority of users (55%) and providers (87%) reported a likelihood of using remote care after the pandemic. Conclusions Remote mental health care is generally accepted by both users and providers, and the majority would consider using remote care following the pandemic. Suggestions for improvement include greater use of video, increased attention to body language and eye contact, consistency with in-person care, as well as increased provider training and administrative support.
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 | 0,073 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,010 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».