A qualitative study of hospital and community providers’ experiences with digitalization to facilitate hospital-to-home transitions during the COVID-19 pandemic
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has triggered substantial changes to the healthcare context, including the rapid adoption of digital health to facilitate hospital-to-home transitions. This study aimed to: i) explore the experiences of hospital and community providers with delivering transitional care during the COVID-19 pandemic; ii) understand how rapid digitalization in healthcare has helped or hindered hospital-to-home transitions during the COVID-19 pandemic; and, iii) explore expectations of which elements of technology use may be sustained post-pandemic. METHODS: Using a pragmatic qualitative descriptive approach, remote interviews with healthcare providers involved in hospital-to-home transitions in Ontario, Canada, were conducted. Interviews were analyzed using a team-based rapid qualitative analysis approach to generate timely results. Visual summary maps displaying key concepts/ideas were created for each interview and revised based on input from multiple team members. Maps that displayed similar concepts were then combined to create a final map, forming the themes and subthemes. RESULTS: Sixteen healthcare providers participated, of which 11 worked in a hospital, and five worked in a community setting. COVID-19 was reported to have profoundly impacted healthcare providers, patients, and their caregivers and influenced the communication processes. There were several noted opportunities for technology to support transitions. INTERPRETATION: Several challenges with technology use were highlighted, which could impact post-pandemic sustainability. However, the perceived opportunities for technology in supporting transitions indicate the need to investigate the optimal role of technology in the transition workflow.
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 | 0,015 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,016 | 0,010 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».