MétaCan
Menu
Retour à la cohorte
Enregistrement W4285392178 · doi:10.28984/npoj.v2i1.374

The Impact of COVID-19 on Nurse Practitioner Practice and Patient Presentation in Ontario: A Qualitative Study

2022· article· en· W4285392178 sur OpenAlexaffabout
Gina Pittman, Sylwia Borawski, Twinkle Patel, Aya Dannawey

Notice bibliographique

RevueCanadian Nurse Practitioner Journal · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Presentation (obstetrics)Qualitative research2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)NursingPsychologyMedicineMedical educationSociologyVirology

Résumé

récupéré en direct d'OpenAlex

Aim: To highlight the impact of the COVID-19 pandemic on nurse practitioner (NP) practice and their patient populations. Background: Across Canada, the pandemic has caused strain on the health care system, health care providers, and patients. Many NPs continued to provide care to their patients via virtual methods as they were not permitted to assess patient in office. Lack of direct physical care was detrimental to both NPs and their patients. Methods: A survey was distributed to 2,094 NPs practicing in Ontario between May and August 2020. After quantitative analysis a qualitative phase was conducted that involved one-on-one semi-structured interviews with 14 NPs who completed the survey and agreed to follow up. Findings: The COVID-19 pandemic has had many impacts on patients and health care workers. Specifically, this study has found that NPs and patients have encountered many obstacles, such as isolation. Additionally, patients have delayed seeking care resulting in various disease progression due to concerns regarding contracting COVID-19. Finally, patients have experienced a decline in their mental health during the pandemic due to factors such as isolation. Conclusion: The effects of the pandemic have been detrimental for both patients and providers as demonstrated in the interviews with NPs in this study. Follow up studies should explore the long-term effects of 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,197
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,453
Écart entre enseignants0,392 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Nurse Practitioner JournalMême sujetCOVID-19 and healthcare impactsTravaux en français237 207