“How are you?” Perspectives From Patients and Health Care Providers of Text Messaging to Support Rheumatoid Arthritis Care: A Thematic Analysis
Notice bibliographique
Résumé
OBJECTIVE: Patients with rheumatoid arthritis (RA) may need to access rheumatology care between scheduled visits. WelTel is a virtual care platform that supports secure two-way text-messaging between patients and their health care team. The objective of the present study was to explore perspectives and experiences of health care providers (HCPs) and patients related to the use of WelTel as an adjunct to routine care. METHODS: Seventy patients with RA were enrolled in a six-month WelTel pilot project launched in September 2021. Patients received monthly "How are you?" text message check-ins and could message their health care team during clinic hours to request health advice. The current project is a qualitative study of the WelTel pilot. A subgroup of pilot participants was purposively sampled and invited to participate in interviews. A thematic analysis of transcripts was conducted using a deductive approach leveraging quality of care domains. RESULTS: Thirteen patients (62% female, mean age 62 years, 10 White) completed interviews. Patients' views suggested that text messaging with the rheumatology team supported high-quality care across multiple quality domains including patient-centeredness, timeliness, efficiency, safety, effectiveness, equity, and appropriateness. Seven HCPs (57.1% female, one pharmacist and six rheumatologists) completed interviews. HCPs' perspectives varied based on their experience with the WelTel platform. Additional themes reported by HCPs included perceived increased workload and burnout. CONCLUSIONS: Patients with RA perceived text-based messaging as supporting high-quality care. The impact of increased communications on HCP burnout and workload requires consideration, and future studies should evaluate the effect of texting on patient outcomes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 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 ».