MétaCan
Menu
Retour à la cohorte
Enregistrement W4293860235 · doi:10.2196/38546

The Impact of COVID-19 on Older Adults’ Perceptions of Virtual Care: Qualitative Study

2022· article· en· W4293860235 sur OpenAlexafffundvenue
Lama Abdallah, Paul Stolee, Kimberly J. Lopez, Alexandra Whate, Jennifer Boger, Catherine Tong

Notice bibliographique

RevueJMIR Aging · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesUniversity of Waterloo
Mots-clésPandemicHealth carePerceptionQualitative researchPsychologyNursingMedicineCoronavirus disease 2019 (COVID-19)Family medicineDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In response to the COVID-19 pandemic, older adults worldwide have increasingly received health care virtually, and health care organizations and professional bodies have indicated that virtual care is "here to stay." As older adults are the highest users of the health care system, virtual care implementation can have a significant impact on them and may pose a need for additional support. OBJECTIVE: This research aims to understand older adults' perspectives and experiences of virtual care during the pandemic. METHODS: As part of a larger study on older adults' technology use during the pandemic, we conducted semistructured interviews with 20 diverse older Canadians (mean age 76.9 years, SD 6.5) at 2 points: summer of 2020 and winter/early spring of 2021. Participants were asked about their technology skills, experiences with virtual appointments, and perspectives on this type of care delivery. Interviews were digitally recorded and transcribed. A combination of team-based and framework analyses was used to interpret the data. RESULTS: Participants described their experiences with both in-person and virtual care during the pandemic, including issues with accessing care and long gaps between appointments. Overall, participants were generally satisfied with the virtual care they received during the pandemic. Participants described the benefits of virtual care (eg, increased convenience, efficiency, and safety), the limitations of virtual care (eg, need for physical examination and touch, lack of nonverbal communication, difficulties using technology, and systemic barriers in access), and their perspectives on the future of virtual care. Half of our participants preferred a return to in-person care after the COVID-19 pandemic, while the other half preferred a combination of in-person and virtual services. Many participants who preferred to access in-person services were not opposed to virtual care options, as needed; however, they wanted virtual care as an option alongside in-person care. Participants emphasized a need for training and support to be meaningfully implemented to support both older adults and providers in using virtual care. CONCLUSIONS: Overall, our research identified both perceived benefits and perceived limitations of virtual care, and older adult participants emphasized their wish for a hybrid model of virtual care, in which virtual care is viewed as an addendum, not a replacement for in-person care. We recognize the limitations of our sample (small, not representative of all older Canadians, and more likely to use technology); this body of literature would greatly benefit from more research with older adults who do not/cannot use technology to receive care. Findings from this study can be mobilized as part of broader efforts to support older patients and providers engaged in virtual and in-person care, particularly post-COVID-19.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,160
Score d'incertitude au seuil0,678

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,040
Tête enseignante GPT0,476
Écart entre enseignants0,436 · 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.

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

Citations28
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207