Access, Relationships, Quality and Safety (ARQS): a qualitative study to cocreate an Indigenous patient experience tool for virtual primary care
Notice bibliographique
Résumé
BACKGROUND: Perspectives from Indigenous peoples and their primary care providers about the quality and impacts of virtual primary care for Indigenous patients are currently limited. This study engaged Indigenous patients and their primary care providers, resulting in four domains being established for an Indigenous patient experience tool for use in virtual primary care. In this paper, we explore the development and finalisation of the Access, Relationships, Quality and Safety (ARQS) tool. METHODS: We re-engaged five Indigenous patient participants who had been involved in the semistructured interviews that established the ARQS tool domains. Through cognitive interviews, we tested the tool statements, leading to modifications. To finalise the tool statements, an Indigenous advisory group was consulted. RESULTS: The ARQS tool statements were revised and finalised with twelve statements that reflect the experiences and perspectives of Indigenous patients. DISCUSSION: The ARQS tool statements assess the four domains that reflect high-quality virtual care for Indigenous patients. By centring Indigenous peoples and their lived experience with primary care at every stage in the tool's development, it captures Indigenous-centred understandings of high-quality virtual primary care and has validity for use in virtual primary care settings. CONCLUSION: The ARQS tool offers a promising way for Indigenous patients to provide feedback and for clinics to measure the quality and safety of virtual primary care practice on the provider and/or clinic level. This is important, as such feedback may help to promote improvements in virtual primary care delivery for Indigenous patients and more widely, may help advance Indigenous health equity.
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 | 0,016 | 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 | 0,013 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».