MétaCan
Menu
Retour à la cohorte
Enregistrement W4324141300 · doi:10.9778/cmajo.20220109

Patient, family and professional suggestions for pandemic-related surgical backlog recovery: a qualitative study

2023· article· en· W4324141300 sur OpenAlexaffvenueabout
Andrea N. Simpson, David Gómez, Nancy N. Baxter, Elizabeth Miazga, David R. Urbach, Jessica U. Ramlakhan, Anne Sorvari, Alawia Sherif, Anna R. Gagliardi

Notice bibliographique

RevueCMAJ Open · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensWomen's College HospitalUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésFocus groupContext (archaeology)PandemicHealth careQualitative researchMedicineNursingCoronavirus disease 2019 (COVID-19)BusinessPolitical scienceMarketing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Surgical shutdowns related to the COVID-19 pandemic have resulted in prolonged wait times for nonemergency surgery. We aimed to understand informational needs and generate suggestions on management of the surgical backlog in the context of the ongoing COVID-19 pandemic through focus groups with key stakeholders. METHODS: We performed a qualitative study with focus groups held between Sept. 29 and Nov. 30, 2021, in Ontario, with patients who underwent or were awaiting surgery during the pandemic and their family members, and health care leaders with experience or influence overseeing the delivery of surgical services. We conducted the focus groups virtually; focus groups for patients and family members were conducted separately from health care leaders to ensure participants could speak freely about their experiences. Our goal was to elicit information on the impact of communication about the surgical backlog, how this communication may be improved, and to generate and prioritize suggestions to address the backlog. Data were mapped onto 2 complementary frameworks that categorized approaches to reduction in wait times and strategies to improve health care delivery. RESULTS: A total of 11 patients and family members and 20 health care leaders (7 nursing surgical directors, 10 surgeons and 3 administrators) participated in 7 focus groups (2 patient and family, and 5 health care leader). Participants reported receiving conflicting information about the surgical backlog. Suggestions for communication about the backlog included unified messaging from a single source with clear language to educate the public. Participants prioritized the following suggestions for surgical recovery: increase supply through focusing on system efficiencies and maintaining or increasing health care personnel; incorporate patient-centred outcomes into triage definitions; and refine strategies for performance management to understand and measure inequities between surgeons and centres, and consider the impact of funding incentives on "nonpriority" procedures. INTERPRETATION: Patients and their families and health care leaders experienced a lack of communication about the surgical backlog and suggested this information should come from a single source; key suggestions to manage the surgical backlog included a focus on system efficiencies, incorporation of patient-centred outcomes into triage definitions, and improving the measurement of wait times to monitor health system performance. The suggestions generated in this study that may be used to address surgical backlog recovery in the Canadian setting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,024
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,024
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,032
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0130,009
Communication savante0,0040,005
Science ouverte0,0020,005
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,173
Tête enseignante GPT0,513
Écart entre enseignants0,340 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCMAJ OpenMême sujetCOVID-19 and healthcare impactsTravaux en français237 207