Gaps to Best Practices for Teleconsultations Performed by General Practitioners: A Descriptive Cross-Sectional Study
Notice bibliographique
Résumé
The COVID-19 pandemic led to large increases in telemedicine activity worldwide. This rapid growth, however, may have impacted the quality of care where compliance with guidelines and best practices are concerned. The aim of this study was to describe the recent practices of a telemedicine activity (teleconsultations) and the breaches of best practice guidelines committed by general practitioners (GPs) in the Greater Eastern Region of France. A cross-sectional study was conducted using a 33-item questionnaire and was provided to the Regional Association of Healthcare Professionals, Union Régionale des Professionnels de Santé (URPS) to be shared amongst the GPs. Between April and June 2021, a total of 233 responses were received, showing that (i) by practicing telemedicine in an urban area, (ii) performing a teleconsultation at the patient’s initiative, and (iii) carrying out more than five teleconsultations per week were factors associated with a significantly higher level of best practices in telemedicine. All in all, roughly a quarter of GPs (25.3%, n = 59) had a self-declared good telemedicine practice, and the rules of good practice are of heterogeneous application. Despite the benefits of learning on the job for teleconsultation implementation during the COVID-19 lockdowns, there may be a clear need to develop structured and adapted telemedicine training programs for private practice GPs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».