Veterinarians are reluctant to recommend virtual consultations to a fellow veterinarian
Notice bibliographique
Résumé
OBJECTIVE: To explore veterinarians' use of virtual veterinarian-client-patient consultations before and during the coronavirus disease 2019 (COVID-19) pandemic and examine veterinarians' attitudes toward virtual consultations. SAMPLE: 135 companion animal veterinarians in Canada, the US, and Europe. METHODS: An anonymous online survey was distributed to gather participating veterinarians' use of information and communication technologies and their perception of virtual consultations' effect on patient care, client communication, and their own well-being. Willingness to recommend virtual consultations was evaluated using the Net Promoter Score. Multivariable logistic regression explored factors associated with willingness to recommend virtual consultations. RESULTS: Percentage of participating veterinarians using the telephone and videoconferencing increased significantly (P < .001) from before (83.6% and 3.0%, respectively) to during the COVID-19 pandemic (97.0% and 22.4%, respectively). Participants were significantly less confident (P < .001) about their ability to reach a diagnosis using a virtual consultation as compared to a hands-on patient examination. Participants perceived client communication to be more challenging during virtual as compared to face-to-face consultations, particularly for building rapport and expressing empathy. Participants were extremely unwilling to recommend virtual consultations (Net Promoter Score = -41.4) with 21.6% (24/111) promoters and 63.1% (70/111) detractors. Confidence doing a virtual patient examination and comfort using videoconferencing technology were both positively associated (P < .05) with willingness to recommend virtual consultations. CLINICAL RELEVANCE: Veterinary practices and organizations interested in encouraging virtual veterinarian-client-patient consultations likely need to prioritize veterinarians' acceptance as an initial focus. The veterinary profession would benefit from further research and education to inform virtual veterinary care.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,018 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».