Clinicians’ Perspective on Implementing Virtual Hospital Care for Low Back Pain: Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Alternate "hospital avoidance" models of care are required to manage the increasing demand for acute inpatient beds. There is currently a knowledge gap regarding the perspectives of hospital clinicians on barriers and facilitators to a transition to virtual care for low back pain. We plan to implement a virtual hospital model of care called "Back@Home" and use qualitative interviews with stakeholders to develop and refine the model. OBJECTIVE: We aim to explore clinicians' perspectives on a virtual hospital model of care for back pain (Back@Home) and identify barriers to and enablers of successful implementation of this model of care. METHODS: We conducted semistructured interviews with 19 purposively sampled clinicians involved in the delivery of acute back pain care at 3 metropolitan hospitals. Interview data were analyzed using the Theoretical Domains Framework. RESULTS: A total of 10 Theoretical Domains Framework domains were identified as important in understanding barriers and enablers to implementing virtual hospital care for musculoskeletal back pain. Key barriers to virtual hospital care included patient access to videoconferencing and reliable internet, language barriers, and difficulty building rapport. Barriers to avoiding admission included patient expectations, social isolation, comorbidities, and medicolegal concerns. Conversely, enablers of implementing a virtual hospital model of care included increased health care resource efficiency, clinician familiarity with telehealth, as well as a perceived reduction in overmedicalization and infection risk. CONCLUSIONS: The successful implementation of Back@Home relies on key stakeholder buy-in. Addressing barriers to implementation and building on enablers is crucial to clinicians' adoption of this model of care. Based on clinicians' input, the Back@Home model of care will incorporate the loan of internet-enabled devices, health care interpreters, and written resources translated into community languages to facilitate more equitable access to care for marginalized groups.
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 | 0,023 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,007 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,004 |
| 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 ».