MétaCan
Menu
Retour à la cohorte
Enregistrement W4205869636 · doi:10.1111/hex.13421

The impact of COVID‐19 on patient engagement in the health system: Results from a Pan‐Canadian survey of patient, family and caregiver partners

2022· article· en· W4205869636 sur OpenAlexafffundabout
Laura Tripp, Meredith Vanstone, Carolyn Canfield, Myles Leslie, Mary Anne Levasseur, Janelle Panday, Paula Rowland, Geoff Wilson, Jeonghwa You, Julia Abelson

Notice bibliographique

RevueHealth Expectations · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensNova Scotia Health AuthorityThe Wilson CentreImpactUniversity of CalgaryMcMaster UniversityUniversity of TorontoUniversity Health NetworkUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCoronavirus disease 2019 (COVID-19)PandemicPsychology2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Computer-assisted web interviewingHealthcare systemHealth careNursingFamily medicineMedicineBusinessPolitical science

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The COVID-19 pandemic has had an impact on all aspects of the health system. Little is known about how the activities and experiences of patient, family and caregiver partners, as a large group across a variety of settings within the health system, changed due to the substantial health system shifts catalysed by the pandemic. This paper reports on the results of a survey that included questions about this topic. METHODS: Canadian patient, family and caregiver partners were invited to participate in an online anonymous survey in the Fall of 2020. A virtual snowballing approach to recruitment was used. Survey invitations were shared on social media and emailed to health system and governmental organizations with the request that they share the survey with patient partners. This paper focuses on responses to two questions related to patient partner experiences during the COVID-19 pandemic. RESULTS: The COVID-19 questions were completed by 533 respondents. Over three quarters of respondents (77.9%, n = 415) indicated their patient engagement activities had been impacted by COVID-19. The majority (62.5%, n = 230) experienced at least a temporary or partial reduction in their patient engagement activities. Some respondents did see increases in their patient engagement activities (11.4%, n = 42). Many respondents provided insights into their experience with virtual platforms for engagement (n = 194), most expressed negative or mixed experiences with this shift. CONCLUSIONS: This study provides a snapshot of Canadian patient, family and caregiver partners' perspectives on the impact of COVID-19 on their engagement activities. Understanding how engagement unfolded during a crisis is critical for our future planning if patient engagement is to be fully integrated into the health system. Identifying how patient partners were engaged and not engaged during this time period, as well as the benefits and challenges of virtual engagement opportunities, offers instructive lessons for sustaining patient engagement, including the supports needed to engage with a more diverse set of patient, family and caregiver partners. PATIENT CONTRIBUTION: Patient partners were important members of the Canadian Patient Partner Study research team. They were engaged from the outset, participating in all stages of the research project. Additional patient partners were engaged to develop and pilot test the survey, and all survey respondents were patient, family or caregiver partners. The manuscript is coauthored by two patient partners.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,443
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0040,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,297
Tête enseignante GPT0,471
Écart entre enseignants0,174 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealth ExpectationsMême sujetMental Health and Patient InvolvementTravaux en français237 207