Hospital-based ambulatory clinic adoption of video and telephone visits before and during the COVID-19 pandemic: a convergent mixed-methods study
Notice bibliographique
Résumé
Purpose The purpose of this study is to understand virtual care use (e.g. telephone and video visits) during the COVID-19 pandemic across three hospital-based ambulatory clinics (i.e. mental health, renal and respiratory care) and to describe associated patient and provider experiences. Design/methodology/approach A mixed-methods convergent study was conducted including quantitative electronic medical records data on virtual care use, electronic surveys assessing domains of experience (e.g. satisfaction, acceptance and technology use) among patient and providers and semi-structured interviews exploring the associated barriers and facilitators of virtual care adoption. Findings Virtual care adoption rates and relative modality use (telephone vs video) varied across specialty clinics. Mental health clinics) showed the greatest use of virtual care and greater use of video over telephone, as compared to renal and respiratory care, where telephone was used almost exclusively. Patients and providers reported an overall good satisfaction and acceptance of virtual care (60–72%) across clinics, but commonly observed barriers (technical problems, behavioral adaptations needed and inequity) persisted. Good value propositions, tech support and the presence of early adopters who can support others in workflow re-design and highlight value propositions of virtual care were listed as adoption facilitators. Originality/value The study provides a unique opportunity to compare the rate of virtual care adoption before and during the COVID-19 pandemic across distinct specialties that operate within the same organizational and political setting. This study showed that the nature of the condition (e.g. mental health conditions) and the characteristics of the users (e.g. younger patients) may drive models of care with higher rate of video use. Focusing on removing common barriers, like providing tech support and ensuring equitable access to patients, continues to be important even in the context of high virtual care adoption rates during the pandemic.
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 | 0,011 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».