MétaCan
Menu
← Retour à la cohorte
Enregistrement W4388720545 · doi:10.1370/afm.22.s1.4973

Primary prevention and screening during the COVID-19 pandemic: Qualitative findings from the BETTER WISE project

2023· article· en· W4388720545 sur OpenAlexaboutno aff
Nicolette Sopcak, Melanie Wong, Carolina Fernandes, Daniel Ofosu, Ielaf Khalil, Donna Manca

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)PandemicThematic analysisHealth careIntervention (counseling)MedicineFamily medicineFocus groupNursingQualitative researchCoronavirus disease 2019 (COVID-19)DiseasePolitical scienceGeographyBusinessInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Context: The COVID-19 pandemic challenged healthcare systems worldwide and disrupted primary care through redeployment of healthcare resources to COVID-19 priorities resulting in inaccessible prevention and screening services. The BETTER WISE project involved a comprehensive, evidence-based intervention for patients 40 to 65 years of age to proactively address cancer and chronic disease prevention and screening (CCDPS), including associated lifestyle risks, cancer surveillance and screening for financial difficulty. Patients were invited for a 1-hour prevention visit with a Prevention Practitioner (PP), a member of the primary care team with specialized training in CCDPS and cancer surveillance, to discuss their CCDPS and cancer surveillance status, set S.M.A.R.T goals for their health, and make links to community resources as appropriate. Objective: To describe how the COVID-19 pandemic impacted implementation of the BETTER WISE intervention. Methods: Qualitative study - Seventeen focus groups and 48 key informant interviews were conducted with 132 primary care team members (PPs, physicians, allied health professionals, and clinic staff) at three time points in the study. Qualitative data also included 585 written feedback forms from patients, field notes and memos. A thematic analysis using a constant comparative method focused on the impact of the pandemic on BETTER WISE was employed. Setting: Thirteen primary care settings (urban, rural, and remote) across 3 Canadian Provinces (Alberta, Ontario, and Newfoundland and Labrador). Results: Four themes emerged from the data regarding how the COVID-19 pandemic impacted the BETTER WISE study: 1) Switch of in-person visits to visits over the phone; 2) Lack of access to preventive care and delays of screening tests; 3) Changes in primary care providers’ availability and priorities; 4) Mental health impacts of the pandemic on patients and primary care providers. Conclusions: The COVID-19 pandemic significantly impacted primary care as aggressive shifts in priorities were required and non-essential prevention and screening services were made unavailable. Despite structural, procedural, and personal challenges throughout different waves of the pandemic, the primary care clinics participating in BETTER WISE were able to complete the study. Our results underscore the importance of the role of primary care providers in adapting to changing circumstances and support of patients in challenging times.

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)0,018
score de la tête « metaresearch » (Gemma)0,026
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 enseignants0,018
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,026
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0100,011
Communication savante0,0030,003
Science ouverte0,0020,009
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,236
Tête enseignante GPT0,481
Écart entre enseignants0,245 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCOVID-19 and healthcare impacts→Travaux en français237 207→