Acceptability of the Long-Term In-Home Ventilator Engagement virtual intervention for home mechanical ventilation patients during the COVID-19 pandemic: A qualitative evaluation
Notice bibliographique
Résumé
Background: Clinical management of ventilator-assisted individuals (VAIs) was challenged by social distancing rules during the COVID-19 pandemic. In May 2020, the Long-Term In-Home Ventilator Engagement (LIVE) Program was launched in Ontario, Canada to provide intensive digital care case management to VAIs. The purpose of this qualitative study was to explore the acceptability of the LIVE Program hosted via a digital platform during the COVID-19 pandemic from diverse perspectives. Methods: We conducted a qualitative descriptive study (May 2020-April 2021) comprising semi-structured interviews with participants from eight home ventilation specialty centers in Ontario, Canada. We purposively recruited patients, family caregivers, and providers enrolled in LIVE. Content analysis and the theoretical concepts of acceptability, feasibility, and appropriateness were used to interpret findings. Results: A total of 40 individuals (2 VAIs, 18 family caregivers, 20 healthcare providers) participated. Participants described LIVE as acceptable as it addressed a longstanding imperative to improve care access, ease of use, and training provided; feasible for triaging problems and sharing information; and appropriate for timeliness of provider responses, workflows, and perceived value. Negative perceptions of acceptability among healthcare providers concerned digital workload and fit with existing clinical workflows. Perceived benefits accorded to LIVE included enhanced physical and psychological safety in the home, patient-provider relations, and VAI engagement in their own care. Conclusions: Study findings identify factors influencing the LIVE Program's acceptability by patients, family caregivers, and healthcare providers during pandemic conditions including enhanced access to care, ease of case management triage, and VAI safety. Findings may inform the implementation of digital health services to VAIs in non-pandemic circumstances.
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 | 0,031 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».