Satisfaction with Telemedicine for Cancer Pain Management: A Model of Care and Cross-Sectional Patient Satisfaction Study
Notice bibliographique
Résumé
Background: Since cancer pain requires complex modalities of care, the proper strategy for addressing its telemedicine-based management should be better defined. This study aimed to trace a pathway for a progressive implementation of the telemedicine process for the treatment of pain in the setting of cancer patients. Methods: The features of the model were investigated to dissect the dropout from the telemedicine pathway. A cross-sectional patient satisfaction study was conducted. The degree of satisfaction was evaluated through a developed 22-item questionnaire (Likert scale 0−7). Results: A total of 375 video consultations for 164 patients (mean age 62.9 years) were performed through remote consultations for cancer pain management between March 2021 and February 2022. After the exclusion of 72 patients, 92 (56.1%) were included in the analysis. The dropout ratio was 8.7%. The number of visits and pharmacological therapies for neuropathic pain correlated with the risk for readmission (p < 0.05). Overall, the satisfaction was very high (mean > 5.5 for all items). Conclusion: Feedback from patients reflected high satisfaction rates with the care provided. A methodological approach based on the degree of satisfaction combined with the analysis of the pathways can help to implement the quality of a service provided through telemedicine. While not without limitations, our hybrid protocol can be useful for addressing cancer pain through a patient-centered approach.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».