Virtual surgical consultation during the COVID-19 pandemic: a patient-oriented, cross-sectional study using telephone interviews
Notice bibliographique
Résumé
<h3>Background:</h3> Health care delivery shifted rapidly during the COVID-19 pandemic, whereby virtual consultations replaced many face-to-face interactions. We sought to gather patient perspectives on their experiences with virtual surgical consultation, the advantages and disadvantages of this delivery method and their overall satisfaction with virtual appointments. <h3>Methods:</h3> We conducted a patient-oriented, cross-sectional study. Adult patients (age > 18 yr) who had a virtual consultation with a participating general surgeon in Saskatoon, Saskatchewan, from April to May 2020 were eligible. We conducted telephone interviews using open- and close-ended questions. We used thematic analysis to determine themes from the qualitative data. As research team members, 2 patient partners were involved in identifying priorities, developing the research question, designing research methods, analyzing data and disseminating findings. We analyzed and presented quantitative data descriptively. <h3>Results:</h3> We interviewed 45 participants from 7 general surgery practices; the average age was 62 years. Most participants lived outside Saskatoon and had virtual follow-up appointments. The 3 themes related to advantages of virtual consultations were convenience, cost savings and decreased exposure to pathogens. The 4 themes related to their disadvantages were that they were not as personal, the surgeon was not able to perform a physical examination, and there were issues with scheduling and issues with technology. Most participants were satisfied with the care they received (<i>n</i> = 41) and would be willing to use virtual consultation in the future (<i>n</i> = 31). <h3>Interpretation:</h3> We found that virtual consultations are an effective and efficient way to deliver surgical care but are not appropriate for every situation and cannot completely replace face-to-face interactions. Our study identified the advantages and disadvantages of virtual surgical consultation to help better guide the delivery of virtual care in the future.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».