Understanding the impacts of the COVID-19 pandemic on the care experiences of people with mental-physical multimorbidity: protocol for a mixed methods study
Notice bibliographique
Résumé
BACKGROUND: Primary care and other health services have been disrupted during the COVID-19 pandemic, yet the consequences of these service disruptions on patients' care experiences remain largely unstudied. People with mental-physical multimorbidity are vulnerable to the effects of the pandemic, and to sudden service disruptions. It is thus essential to better understand how their care experiences have been impacted by the current pandemic. This study aims to improve understanding of the care experiences of people with mental-physical multimorbidity during the pandemic and identify strategies to enhance these experiences. METHODS: We will conduct a mixed-methods study with multi-phase approach involving four distinct phases. Phase 1 will be a qualitative descriptive study in which we interview individuals with mental-physical multimorbidity and health professionals in order to explore the impacts of the pandemic on care experiences, as well as their perspectives on how care can be improved. The results of this phase will inform the design of study phases 2 and 3. Phase 2 will involve journey mapping exercises with a sub-group of participants with mental-physical multimorbidity to visually map out their care interactions and experiences over time and the critical moments that shaped their experiences. Phase 3 will involve an online, cross-sectional survey of care experiences administered to a larger group of people with mental disorders and/or chronic physical conditions. In phase 4, deliberative dialogues will be held with key partners to discuss and plan strategies for improving the delivery of care to people with mental-physical multimorbidity. Pre-dialogue workshops will enable us to synthesize an prepare the results from the previous three study phases. DISCUSSION: Our study results will generate much needed evidence of the positive and negative impacts of the COVID-19 pandemic on the care experiences of people with mental-physical multimorbidity and shed light on strategies that could improve care quality and experiences.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».