“Another Tool in Your Toolkit”: Pediatric Occupational and Physical Therapists’ Perspectives of Initiating Telehealth during the COVID-19 Pandemic
Notice bibliographique
Résumé
AIMS: Pediatric occupational and physical therapy service delivery via telehealth increased during the COVID-19 pandemic. Real-world experience can guide service improvement. This study explored experiences, barriers, and facilitators of initial telehealth implementation from the therapist's perspective. METHODS: Qualitative descriptive approach. Semi-structured interviews were conducted with occupational therapists (n = 4) and physical therapists (n = 4) between May-June 2020. Interviews were recorded, and transcribed verbatim. Data were coded inductively to generate themes, then re-coded deductively to classify barriers and facilitators to telehealth acceptance and use using the Unified Technology Acceptance Theory. RESULTS: Participants had 16.5 [(2-35); median (range)] years of experience (3 months with telehealth) and predominantly worked with preschool children. Three themes about telehealth were identified: a practical option; requires skill development and refinement; beneficial in perpetuity. Most frequently cited barriers were the lack of opportunity for 'hands-on' assessment/intervention and the learning curve required. Most frequently cited facilitators included seeing a child in their own environment, attendance may be easier for some families, and families' perception that telehealth was useful. CONCLUSION: Despite rapid implementation, therapists largely described telehealth as a positive experience. Telehealth facilitated continued service provision and was perceived as relevant post-pandemic. Additional training and ensuring equitable access to services are priorities as telehealth delivery evolves.
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 | 0,001 | 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 | 0,001 |
| 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 ».