Virtual Cancer Care Beyond the COVID-19 Pandemic: Patient and Staff Perspectives and Recommendations
Notice bibliographique
Résumé
PURPOSE COVID-19 catalyzed rapid implementation of virtual cancer care (VC); however, work is needed to inform long-term adoption. We evaluated patient and staff experiences with VC at a large urban, tertiary cancer center to inform recommendations for postpandemic sustainment. METHODS All physicians who had provided VC during the pandemic and all patients who had a valid e-mail address on file and at least one visit to the Princess Margaret Cancer Centre in Toronto, Canada, in the preceding year were invited to complete a survey. Interviews and focus groups with patients and staff across the cancer center were analyzed using qualitative descriptive analysis and triangulated with survey findings. RESULTS Response rates for patients and physicians were 15% (2,343 of 15,169) and 41% (100 of 246), respectively. A greater proportion of patients than physicians were satisfied with VC (80.1 v 53.4%; P < .01). In addition, fewer patients than physicians felt that virtual visits were worse than those conducted in person (28.0 v 43.4%; P < .01) and that telephone and video visits negatively affected the human interaction that they valued (59.8% v 82.0%; P < .01). Major barriers to VC for patients were respect for care preferences and personal boundaries, accessibility, and equitable access. For staff, major barriers included a lack of role clarity, dedicated resources (space and technology), integration of nursing and allied health, support (administrative, clinical, and technical), and guidance on appropriateness of use. CONCLUSION Patient and staff perceptions and barriers to virtual care are different. Moving forward, we need to pay attention to both staff and patient experiences with virtual care since this will have major implications for long-term adoption into clinical practice.
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 | 0,014 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 ».