MétaCan
Menu
Retour à la cohorte
Enregistrement W4388704626 · doi:10.1177/15269248231212912

A Qualitative Study on the Effects of the COVID-19 Pandemic on Solid Organ Transplantation

2023· article· en· W4388704626 sur OpenAlexaff
Angie Puerto Niño, Fabricio B. Zasso, Atina Boonchit, Sabrin Salim, Raza Mirza, Joseph Ferenbok, István Mucsi, Heather Boon, Gary Levy

Notice bibliographique

RevueProgress in Transplantation · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Impact on Reproduction
Établissements canadiensUniversity Health NetworkMount Sinai HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésThematic analysisMedicineHealth carePandemicAnticipation (artificial intelligence)NursingMental healthTransplantationBest practiceQualitative researchMedical educationCoronavirus disease 2019 (COVID-19)DiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Introduction: Solid organ transplantation is a lifesaving intervention requiring extensive coordination and communication for timely and safe care. The COVID-19 pandemic posed unique challenges to the safety and management of solid organ transplantation. This descriptive qualitative study aimed to understand how hospital stakeholders were affected by and responded to the COVID-19 pandemic to contribute toward improved healthcare delivery responses and strategies during times of systemic strain on the healthcare system. Methods: One-hour-long semistructured interviews were performed in 3 cohorts: healthcare professionals (N = 6), administrative staff (N = 6), and recipients (N = 4). Interviews were analyzed using conventional thematic content analysis. Thematic saturation was reached within each cohort. Findings: Twelve codes and 6 major themes were identified including the Impact on Clinical Practice, Virtual Healthcare Delivery, Communication, Research, Education and Training, Mental Health and Future Pandemic Planning. Reflecting on these codes and major themes, 4 recommendations were developed (Anticipation and Preparation, Maximizing Existing Resources and Networks, Standardization and the Virtual Environment and Caring for the Staff) to guide transplant programs to optimize healthcare pathways while enhancing the best practices during future pandemics. Conclusion: Transplant programs will benefit from anticipation and preparation procedures using ramping-down strategies, resource planning, and interprofessional collaboration while maximizing existing resources and networks. In parallel, transplant programs should standardize virtual practices and platforms for clinical and educational purposes while maintaining an open culture of mental health discussion and integrating strategies to support staff’s mental health.

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)0,015
score de la tête « metaresearch » (Gemma)0,019
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 enseignants0,015
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0120,010
Communication savante0,0040,005
Science ouverte0,0020,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,086
Tête enseignante GPT0,453
Écart entre enseignants0,367 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProgress in TransplantationMême sujetCOVID-19 Impact on ReproductionTravaux en français237 207