Understanding how virtual care has shifted primary care interactions and patient experience: A qualitative analysis
Notice bibliographique
Résumé
INTRODUCTION: The widespread and rapid implementation of virtual care has introduced evolutionary changes in the context, process, and way primary care is delivered. The objectives of this study were to: (1) understand whether and how virtual care has shifted the therapeutic relationship; (2) describe the core components of compassionate care from the patient perspective and (3) identify how and in what circumstances compassionate care might be amplified. METHODS: Participants living in Ontario, Canada were eligible if they had interacted with their primary care clinician following the rapid implementation of virtual care in March 2020, irrespective of virtual care use. One-on-one semi-structured interviews were conducted with all participants and data were analyzed using inductive thematic analysis. RESULTS: Four themes emerged across 36 interviews: (1) Virtual care shifts communication patterns but the impact on the therapeutic relationship is unclear; (2) Rapid implementation of virtual care limited perceived quality and access among those who did not have the option to utilize it; (3) Patients perceive five key elements as central to compassion in a virtual context; and (4) Leveraging technology to fill gaps within and beyond the visit is a step towards improving experiences for all. DISCUSSION: Virtual care has transformed the ways in which patient-clinician communication operates in primary care. Patients with access to virtual care described largely positive experiences, while those whose interactions were limited to phone visits experienced decreased quality and access to care. Attention must shift to identifying effective strategies to support the health workforce in building virtual compassion competencies.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».