General Practitioners’ Experiences of Professional Uncertainties Emerging from the Introduction of Video Consultations in General Practice: Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Uncertainties are omnipresent in health care, but little is known about general practitioners' (GPs) professional uncertainties concerning digital consultations. This is problematic, as many countries have undergone an extensive digital transformation. OBJECTIVE: The aim of this study was to explore the professional uncertainties that emerged among Danish GPs with the introduction of video consultations. METHODS: We conducted qualitative interviews with 15 Danish GPs during the beginning of the COVID-19 pandemic in 2020. The interviews were analyzed using an abductive approach. RESULTS: We identified 3 categories of uncertainty: integrity, setting, and interaction. Respectively, these 3 categories of uncertainty refer to (1) uncertainties related to how technology may impede the provision of health care; (2) uncertainties related to the potentials of video technology; and (3) uncertainties related to how the video consultation technology affects interactions with patients. CONCLUSIONS: The uncertainties experienced by Danish GPs appear to be a typical reaction to the introduction of new technology. Embedding video consultation technology into GPs' working routines will take time, and GPs do not necessarily feel intuitively capable of transferring their abilities, such as being good and socially present for video-mediated consultations. The heterogeneity of professional uncertainties experienced among the GPs suggests that they are the product of individual GP-technology relationships-not of the technology in itself. Consequently, we cannot expect that uncertainties can be remedied by changing or precluding new technology.
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 | 0,001 |
| 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) | 0,001 | 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 ».