Stakeholders’ perceptions of a nurse-led telehealth case management intervention in primary care for patients with complex care needs: a qualitative descriptive study
Notice bibliographique
Résumé
OBJECTIVE: With the onset of the COVID-19 pandemic, telehealth case management (TCM) was introduced in primary care for patients requiring care by distance. While not all healthcare needs can be addressed via telehealth, the use of information and communication technology to support healthcare delivery has the potential to contribute to the management of patients with chronic conditions and associated complex care needs. However, few qualitative studies have documented stakeholders' perceptions of TCM. This study aimed to describe patients', primary care providers' and clinic managers' perceptions of the use of a nurse-led TCM intervention for primary care patients with complex care needs. DESIGN: Qualitative descriptive study. SETTING: Three primary care clinics in three Canadian provinces. PARTICIPANTS: Patients with complex care needs (n=30), primary care providers (n=11) and clinic managers (n=2) participated in qualitative individual interviews and focus groups. INTERVENTION: TCM intervention was delivered by nurse case managers over a 6-month period. RESULTS: Participants' perceptions of the TCM intervention were summarised in three themes: (1) improved patient access, comfort and sense of reassurance; (2) trusting relationships and skilled nurse case managers; (3) activities more suitable for TCM. TCM was a generally accepted mode of primary care delivery, had many benefits for patients and providers and worked well for most activities that do not require physical assessment or treatment. Participants found TCM to be useful and a viable alternative to in-person care. CONCLUSIONS: TCM improves access to care and is successful when a relationship of trust between the nurse case manager and patient can develop over time. Healthcare policymakers and primary care providers should consider the benefits of TCM and promote this mode of delivery as a complement to in-person care for patients with complex care needs.
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 | 0,011 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».