MétaCan
Menu
Retour à la cohorte
Enregistrement W4379599757 · doi:10.1016/j.ssmqr.2023.100289

Exploring virtual care clinical experience from non-physician healthcare providers (VCAPE)

2023· article· en· W4379599757 sur OpenAlexafffundabout
Heather Braund, Nancy Dalgarno, Benjamin Ritsma, Ramana Appireddy

Notice bibliographique

RevueSSM - Qualitative Research in Health · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensQueen's University
Organismes subventionnairesSoutheastern Ontario Academic Medical OrganizationCanadian Institutes of Health ResearchPhysicians' Services Incorporated Foundation
Mots-clésHealth careNursingPatient satisfactionEquity (law)Patient experienceMedicineLeverage (statistics)PsychologyFamily medicine

Résumé

récupéré en direct d'OpenAlex

COVID-19 has caused an urgent implementation of virtual care (VC). Most research has focused on patient and physician experience with virtual care. Non-physician healthcare providers have played an active role in transitioning to virtual care, yet little is known about their experiences. This study explored their lived experiences in caring for patients virtually. Forty non-physician healthcare providers from local hospitals, community, and home care settings in Kingston, ON, Canada, participated and included nurse practitioners, occupational therapists, physiotherapists, psychologists, registered dietitians, social workers, and speech-language pathologists. Data were collected using semi-structured interviews between February and July 2021 and were analyzed thematically. The study was guided by organizational change theory. Four themes were identified from the data: 1) Quality of care, 2) Resources and training, 3) Healthcare system efficiency, and 4) Health equity and access for patients. Providers suggested that VC increased patient-centredness and had clear benefits for patients. Participants had little to no training in conducting patient care, virtually stating this as a key challenge. They believed that VC increased the efficiency of the healthcare system and was more proactive. Despite concerns regarding inequities across healthcare, participants reported that VC could improve equity as long as patients had access to technology. The study highlights the urgent need to support all healthcare providers in delivering optimal patient-centred care. We should leverage some of the advantages offered by VC to improve the efficiency of healthcare delivery, reduce provider burnout, and increase capacity across organizational systems.

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)0,007
score de la tête « metaresearch » (Gemma)0,020
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 enseignants0,007
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0060,004
Communication savante0,0050,003
Science ouverte0,0010,007
Intégrité de la recherche0,0010,003
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 Opus0,762
Tête enseignante GPT0,685
Écart entre enseignants0,076 · 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

Citations4
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSSM - Qualitative Research in HealthMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207