MétaCan
Menu
← Retour à la cohorte
Enregistrement W4379279832 · doi:10.1017/cjn.2023.179

P.077 Telemedicine in pediatric neurology: a survey of patient and provider experience

2023· article· en· W4379279832 sur OpenAlexvenueaboutno aff
Livia Maria Strasser, Lamia Hayawi, Richard Webster, S Venkateswaran, Katherine Muir

Notice bibliographique

RevueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences Neurologiques · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTelemedicineLikert scaleMedicinePandemicMedical emergencyGovernment (linguistics)TelehealthCoronavirus disease 2019 (COVID-19)Family medicineHealth carePsychology

Résumé

récupéré en direct d'OpenAlex

Background: Prior to the pandemic, telemedicine use was limited and sparsely funded within Ontario. During the pandemic, a shift in clinical recommendations and government funding models promoted telemedicine. We aim to highlight both quantitative and qualitative aspects of the patient and provider experience over 2.5 years within a Canadian Pediatric Neurology clinic. Main objectives of the study are to assess the safety, efficiency and convenience of telemedicine. Methods: A REDCap survey was sent to all patients with a telemedicine appointment from March 2020 –September 2022 and all Pediatric Neurology providers. Survey included a 5-point Likert scale questions, open questions, and patient characteristics. Results: Responses received from 272 patients and 7 providers. 91% of patients and all providers were satisfied with telemedicine. 95% of patients and all providers felt they received or were able to provide safe/adequate care. 90% of patients and all providers reported that telemedicine was more convenient. 87% of patients and all providers were interested in future appointments via telemedicine. Conclusions: Our survey shows patients and providers had highly positive experiences with telemedicine – reporting care was adequate, safe, and more convenient. This data supports incorporating telemedicine into future care and advocates that Canadian regulations/billing codes to continue to support telemedicine.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,096
Score d'incertitude au seuil0,192

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,062
Tête enseignante GPT0,337
Écart entre enseignants0,276 · 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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences Neurologiques→Même sujetTelemedicine and Telehealth Implementation→Travaux en français237 207→