Clinicians’ Attitudes Toward Telepsychology in Addiction and Mental Health Services, and Prediction of Postpandemic Telepsychology Uptake: Cross-sectional Study
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has resulted in unprecedented uptake of telepsychology services; however, clinicians have mixed attitudes toward virtual technologies. OBJECTIVE: This study (1) explored clinicians' experiences of and intentions to use video, telephone, and in-person services, and (2) tested the utility of the unified theory of acceptance and use of technology (UTAUT) to predict clinicians' intentions to offer telepsychology after the COVID-19 pandemic. METHODS: Clinician satisfaction and therapeutic alliance were compared across in-person, video, and telephone services, while technology attitudes and intention to use after the pandemic were compared across video and telephone services among 118 addiction and mental health clinicians during the COVID-19 pandemic. RESULTS: Clinicians reported more positive experiences with in-person services than both virtual technologies; further, clinicians reported greater positive experiences, attitudes, and intentions to use video services than telephone services across measures. Based on the UTAUT, performance expectancy positively predicted concurrent intentions to use video services (β=0.46; P<.001) and telephone services (β=0.35; P<.001) after the pandemic. Social influence (β=0.24; P=.004) and facilitating conditions (β=0.19; P=.03) additionally predicted the intention to use telephone services. CONCLUSIONS: Clinicians rated in-person services more positively than virtual technologies, with video services perceived more positively than telephone services. Performance expectancy was the primary facilitator of the uptake of both virtual modalities.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».