Barriers and facilitators to paediatric caregivers’ participation in virtual speech, language, and hearing services: A scoping review
Notice bibliographique
Résumé
Purpose: Virtual care-related technologies are transforming the way in which health services are delivered. A growing number of studies support the use of virtual care in the field of audiology and speech-language pathology; however, there remains a need to identify and understand what influences caregiver participation within the care that is virtual and family-focused. This review aimed to identify, synthesize, and summarize the literature around the reported barriers and facilitators to caregiver participation in virtual speech/hearing assessment and/or intervention appointments for their child. Methods: A scoping review was conducted following the Joanna Briggs Institute manual for evidence synthesis. A search was conducted using six databases including MEDLINE, CINAHL, SCOPUS, ERIC, Nursing and Allied Health, and Web of Science to collect peer-reviewed studies of interest. Data was extracted according to a protocol published on Figshare, outlining a predefined data extraction form and search strategy. Results: A variety of service delivery models and technology requirements were identified across the 48 included studies. Caregiver participation was found to vary across levels of attendance and involvement according to eight categories: Attitudes, child behavioral considerations, environment, opportunities, provider-family relationship, role in care process, support, and technology. Conclusions: This review presents a description of the key categories reported to influence caregiver participation in virtual care appointments. Future research is needed to explore how the findings can be used within family-centered care models to provide strategic support benefiting the use and outcomes of virtual 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».