Scoping Review of Challenges and Existing Tools
Notice bibliographique
Résumé
In light of the COVID-19 public health restrictions, the use of telemedicine has been on the rise. This care delivery model is valued for its potential to increase care access while providing safe care. However, it changes the way patients and providers interact. Communication during video consultations requires embodied engagement to compensate for the physical distance. This study aimed to identify patient-provider communication challenges during video consultations and assess the tools developed to support patient-provider communication according to the published literature from 2019 to 2022. Searches of eight databases (Medline (Ovid), PubMed, ProQuest Nursing and Allied Health, CINAHL, Web of Science, Scopus, PsychInfo, and Social Services Abstracts), and a Google search for grey literature were conducted. Nineteen articles met inclusion criteria. Findings show that patients and providers share the same concerns, such as a lack of trust relating to physical distance, the ability to establish a meaningful relationship, and a lack of confidence in clinical assessment. The available tools, however, are based on guidelines that are difficult to adapt to the diversity of interaction contexts. There is a need for tools that consider the complexity of patient-provider communication in order to address the challenges stemming from the lack of trust in the context of video consultations. These findings can inform strategies for effective patient-provider communication during video consultations to improve the quality of care and optimize outcomes in this context.
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 | 0,090 | 0,347 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,011 | 0,009 |
| Bibliométrie | 0,091 | 0,075 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,017 | 0,016 |
| Science ouverte | 0,007 | 0,010 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,003 |
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 ».