“Working Together”: Perspectives of Healthcare Professionals in Providing Virtual Care to Youth with Chronic Pain during the COVID-19 Pandemic
Notice bibliographique
Résumé
Background: The onset of the coronavirus disease in 2019 necessitated a rapid transition to virtual care for chronic pain treatment. Methods: A mixed methods design was implemented using qualitative interviews and quantitative satisfaction surveys. Interviews were conducted in February 2021 with a sample of healthcare professionals (HCPs; n = 6) who had provided multidisciplinary treatment (MDT) through an outpatient hospital pediatric chronic pain program. Satisfaction surveys were distributed to all MDT professionals employed by the clinic in April 2021 (n = 13 of 20 eligible; 65% response rate). Participants represented medicine, rehabilitation, and mental health professionals. Results: Analysis of interviews generated five themes: (1) adaptation to virtual care, (2) benefits of virtual care, (3) limitations of virtual care, (4) shifting stance on virtual care over time, and (5) considerations for implementing virtual care. The satisfaction survey data revealed that respondents were able to effectively provide appropriate diagnoses, recommendations, and/or care plans for pediatric chronic pain via virtual care (n = 12, 92.3%). Detailed survey responses are presented by discipline. Conclusions: This study provides a rich exploration of HCPs’ experiences in providing MDT for pediatric chronic pain within a virtual care model. The current results may contribute to the future development of guidelines for virtual care delivery with pediatric chronic pain populations.
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 | 0,013 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,008 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,005 |
| 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 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 ».