Evaluating the impact of a novel telerehabilitation service to address neurological, musculoskeletal, or coronavirus disease 2019 rehabilitation concerns during the coronavirus disease 2019 pandemic
Notice bibliographique
Résumé
Introduction: A novel telerehabilitation service provides wayfinding and self-management advice to persons with neurological, musculoskeletal, or coronavirus disease 2019 related rehabilitation needs. Method: We utilized multiple methods to evaluate the impact of the service. Surveys clarified health outcomes (quality of life, self-efficacy, social support) and patient experience (telehealth usability; general experience) 3-months post-call. We analysed associations between, and within, demographics and survey responses. Secondary analyses described health care utilization during the first 6 months. Results: Sixty-eight callers completed the survey (42% response rate). Self-efficacy was significantly related to quality of life, interpersonal support and becoming productive quickly using the service. Becoming productive quickly was significantly related to quality of life. Education level was related to ethnicity. Survey respondents' satisfaction and whether they followed the therapist's recommendations were not significantly associated with demographics. Administrative data indicated there were 124 callers who visited the emergency department before, on, or after their call. The average (SD) frequency of emergency department visits before was 1.298 times (1.799) compared to 0.863 times (1.428) after. Discussion: This study offers insights into the potential impact of the telerehabilitation service amidst pandemic restrictions. Usability measurements showed that callers were satisfied, corroborating literature from pre-pandemic contexts. The satisfaction and acceptability of the service does not supplant preferences for in-person visits. The survey sample reported lower quality of life compared with the provincial population, conflicting with pre-pandemic research. Findings may be due to added stressors associated with the pandemic. Future research should include population-level comparators to better clarify impact.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».