Virtual home-based palliative care during COVID-19: A qualitative exploration of the patient, caregiver, and healthcare provider experience
Notice bibliographique
Résumé
BACKGROUND: Due to the COVID-19 pandemic, many community palliative healthcare providers shifted from providing care in a patient's home to providing almost exclusively virtual palliative care, or a combination of in-person and virtual care. Research on virtual palliative care is thus needed to provide evidence-based recommendations aiming to enhance the delivery of palliative care during and beyond the pandemic. AIM: To explore the experiences and perceptions of community palliative care providers, patients and caregivers who delivered or received virtual palliative care as a component of home-based palliative care during the COVID-19 pandemic. DESIGN: Qualitative study using phone and video-based semi-structured interviews. Data were analyzed using thematic analysis. SETTING/PARTICIPANTS: = 18) recruited from sites in Ottawa and Toronto, Ontario, Canada. RESULTS: Overall, participants preferred in-person palliative care compared to virtual care, but suggested virtual care could be a useful supplement to in-person care. The findings are presented in three main themes: (1) Impact of COVID-19 pandemic on community palliative care services; (2) Factors influencing transition from exclusively virtual model of care back to a blended model of care; and (3) Recommended uses and implementation of virtual palliative care. CONCLUSIONS: Incorporating virtual palliative care into healthcare provider practice models (blended care models) may be the ideal model of care and standard practice moving forward beyond the COVID-19 pandemic, which has important implications toward organization and delivery of community palliative care services and funding of healthcare providers.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».