MétaCan
Menu
Retour à la cohorte
Enregistrement W4293579693 · doi:10.2196/35718

Satisfaction With Telemedicine in Patients With Orthopedic Trauma During the COVID-19 Lockdown: Interview Study

2022· article· en· W4293579693 sur OpenAlexvenueno aff
Thomas Rauer, Julian Scherer, Pascal Stäubli, Jonas Gerber, Hans‐Christoph Pape, Sandro-Michael Heining

Notice bibliographique

RevueJMIR Formative Research · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTelemedicineMedicineOrthopedic surgeryCoronavirus disease 2019 (COVID-19)VideoconferencingOrthopedic traumaMedical emergencyPatient satisfactionDemographicsTrauma centerPhysical therapyHealth careFamily medicineEmergency medicineNursingRetrospective cohort studyPsychiatryMultimediaSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Telemedicine can take many forms, from telephone-only consultations to video consultations via a smartphone or personal computer, depending on the goals of the treatment. One of the advantages of videoconferencing is the direct visual contact between patients and therapists even over long distances. Although some telemedicine models require specially designed add-on devices, others get by with off-the-shelf equipment and software and achieve similarly successful successful results. This depends, among other things, on the nature of the injury, the desired outcome of therapy, and the medical consultation. In the last decade, the science and practice of telemedicine have grown exponentially and even more so during the COVID-19 pandemic. Depending on the traumatic lesion, posttraumatic and postoperative treatment and care of patients who experience trauma may require medical or physical therapy consultations in a clinic or office. However, due to the COVID-19 lockdown, direct physical follow-up was more difficult, and therefore, telemedicine solutions were sought and implemented. OBJECTIVE: The aim of this study was to assess satisfaction with telemedical aftercare in patients with orthopedic trauma. METHODS: Between March and July 2020, a standardized interview using a standardized questionnaire-Freiburg Index of Patient Satisfaction (FIPS)-among patients with orthopedic trauma who received telemedical postsurgical or physiotherapeutic care was conducted. The FIPS is composed of 5 questions regarding treatment and 1 question on the overall treatment satisfaction. Furthermore, we assessed patients' demographics and their telemedical use. Subgroup analysis was performed for age groups (<65 years vs ≥65 years), the used device, and gender. RESULTS: In total, we assessed 25 patients with a mean age of 43 (SD 24.31) years (14 female). The majority of patients (n=19, 76%) used their smartphone for consultations. The mean overall FIPS score assessed was 2.14 (SD 0.87). The mean FIPS score for younger patients was 2.23 (SD 0.90) vs 1.91 (SD 0.82) for older patients. The vast majority of the surveyed patients (n=20, 80%) were absolutely confident with their smartphone or tablet use. CONCLUSIONS: Most patients surveyed stated a high satisfaction with the telemedical follow-up. Older patients showed a higher satisfaction rate than their younger counterparts. It seems that telemedical postsurgical or physiotherapeutic care is a viable option, especially in times of reduced contact, like the current COVID-19 pandemic. Thus, telemedicine offers the opportunity to ensure access to effective patient care, even over long distances, while maintaining patient satisfaction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,080
Tête enseignante GPT0,442
Écart entre enseignants0,362 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207