Exploring virtual care clinical experience from non-physician healthcare providers (VCAPE)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,010 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,002 |
| 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 découle