Clinicians’ Perceptions of the Benefits and Challenges of Teleoncology as Experienced Through the COVID-19 Pandemic: Qualitative Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: COVID-19 thrust both patients and clinicians to use telemedicine in place of traditional in-person visits. Prepandemic, limited research had examined clinician-patient communication in telemedicine visits. The shift to telemedicine in oncology, or teleoncology, has placed attention on how the technology can be utilized to provide care for patients with cancer. OBJECTIVE: Our objective was to describe oncology clinicians' experiences with teleoncology and to uncover its benefits and challenges during the first 10 months of the COVID-19 pandemic. METHODS: In-depth, semistructured qualitative interviews were conducted with oncology clinicians. Using an inductive, thematic approach, the most prevalent themes were identified. RESULTS: In total, 21 interviews with oncology clinicians revealed the following themes: benefits of teleoncology, such as (1) reducing patients' travel time and expenses, (2) limiting COVID-19 exposure, and (3) enabling clinicians to "see" a patients' lifestyle and environment, and challenges, such as (1) technological connection difficulties, (2) inability to physically examine patients, and (3) patients' frustration related to clinicians being late to teleoncology appointments. CONCLUSIONS: Teleoncology has many benefits and is well suited for specific types of appointments. Challenges could be addressed through improved communication when scheduling appointments to make patients aware about what to expect. Ensuring patients have the proper technology to participate in teleoncology and an understanding about how it functions are necessary.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 découle