Patient and Provider Experiences With Virtual Care in a Large, Ambulatory Care Hospital in Ontario, Canada During the COVID-19 Pandemic: Observational Study
Notice bibliographique
Résumé
BACKGROUND: Virtual care use increased during the COVID-19 pandemic. The impact of that shift on patient and provider experiences is unclear. OBJECTIVE: We evaluated patient and provider experiences with virtual visits across an academic, ambulatory hospital in Toronto, Canada and assessed predictors of positive experience with virtual care. METHODS: Survey data were analyzed from consenting patients who attended at least one virtual visit (video or telephone) and from consenting providers who delivered at least one virtual visit. Distributions for demographic variables and responses to survey questions are reported, with statistical significance assessed using chi-square tests and t tests. Ordinal logistic regression analysis was used to identify any patient predictors of responses. RESULTS: During the study period, 253 patients (mean age 45.1, SD 15.6 years) completed 517 video visit surveys, and 147 patients (mean age 41.6, SD 16.4 years) completed 209 telephone visit surveys. A total of 75 and 94 providers completed the survey in June 2020 and June 2021, respectively. On a scale from 1 to 10 regarding likelihood to recommend virtual care to others, fewer providers rated a score of 8 or above compared with patients (providers: 62/94, 66% for video and 49/94, 52% for telephone; patients: 415/517, 80% for video and 150/209, 72% for telephone). Patients of non-White ethnicity had lower odds of rating a high score of 9 or 10 compared with White patients (odds ratio 0.52, 95% CI 0.28-0.99). CONCLUSIONS: Patient experiences with virtual care were generally positive, but provider experiences were less so. Findings suggest potential differences in patient experience by ethnicity, warranting further investigation into equity concerns with virtual care.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».