Understanding patient experiences before and during the COVID-19 pandemic: A quasi-experimental comparison of in-person and virtual cancer care
Notice bibliographique
Résumé
The COVID-19 pandemic prompted the immediate widespread implementation of virtual care appointments in Cancer Care Alberta (CCA). This study aimed to compare patient experiences and satisfaction with in-person care provided prior to the pandemic and virtual care provided after the COVID-19 outbreak. Surveys were conducted to compare patient satisfaction, using the Your Voice Matters (YVM) experience survey, between patients in the pre-pandemic in-person (baseline) and post-outbreak (virtual) cohorts. Generalized Linear Models (GLMs) with an ordinal logistic link were used, adjusting for self-reported health status and other covariates, to investigate the association between cohort type and patient satisfaction. Despite having higher overall health status, the virtual cohort reported statistically significantly lower satisfaction than the baseline with emotional concerns, referrals and resources, and friend/family involvement in their care. Patients in the virtual cohort were much less likely to have completed a routinely used symptom-based Patient Reported Outcomes (PROs) questionnaire, which may help explain satisfaction differences. The additional stressors brought about by the pandemic, as well as the mode of virtual care delivery, both likely contributed to the lower satisfaction of the virtual cohort as well. Understanding the key differences in experience between the two cohorts will inform the development of a larger virtual care strategy within CCA in the future. Experience Framework This article is associated with the Innovation & Technology lens of The Beryl Institute Experience Framework (https://www.theberylinstitute.org/ExperienceFramework). Access other PXJ articles related to this lens. Access other resources related to this lens
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 | 0,000 | 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 | 0,001 | 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 ».