Patient Telemedicine Perceptions During the COVID-19 Pandemic Within a Multi-State Medical Institution: Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: During the COVID-19 pandemic, to prevent the spread of the virus, federal regulatory barriers around telemedicine were lifted, and health care institutions encouraged patients to use telemedicine, including video appointments. Many patients, however, still chose face-2-face (f2f) appointments for nonemergent clinical care. OBJECTIVE: We explored patients' personal and environmental barriers to the use of video appointments from April 2020 to December 2020. METHODS: We conducted qualitative telephone interviews of Mayo Clinic patients who attended f2f appointments at the Mayo Clinic from April 2020 to December 2020 but did not utilize Mayo Clinic video appointment services during that time frame. RESULTS: We found that, although most patients were concerned about preventing COVID-19 transmission, they trusted Mayo Clinic to keep them safe when attending f2f appointments. Many expressed that a video appointment made it difficult to establish rapport with their providers. Other common barriers to video appointments were perceived therapeutic benefits of f2f appointments, low digital literacy, and concerns about privacy and security. CONCLUSIONS: Our study provides an in-depth investigation into barriers to engaging in video appointments for nonemergent clinical care in the context of the COVID-19 pandemic. Our findings corroborate many barriers prevalent in the prepandemic literature and suggest that rapport barriers need to be analyzed and problem-solved at a granular level.
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 | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 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 ».