Health Care Professionals’ Perspectives Before and After Use of eDialogue for Team-Based Digital Communication Across Settings: Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Orthopedic surgical treatment is a transversal task that requires the active involvement of patients, relatives, and health care professionals (HCPs) across various settings. However, after hospital discharge, communication is challenged and undertaken primarily by phone. New digital communication solutions have the potential to create a space for seamless and patient-centered dialogue across discipline and sector boundaries. When evaluating new communication solutions, knowledge about HCPs' needs and perspectives of use must be explored, as it is they who are responsible for implementing changes in practice. OBJECTIVE: This study aimed to (1) investigate HCPs' perceptions of current communication pathways (phase 1) and (2) explore their experiences of using a simple messenger-like solution (eDialogue) for team-based digital communication across settings (phase 2). METHODS: We used a triangulation of qualitative data collection techniques, including document analysis, observations, focus groups, and individual interviews of HCPs before (n=28) and after (n=12) their use of eDialogue. Data collection and analysis were inspired by the Consolidated Framework for Implementation Research (CFIR) to specifically understand facilitators and barriers to implementation as perceived by HCPs. RESULTS: HCPs perceive current communication pathways as insufficient for both patients and themselves. Phone calls are disruptive, and there is a lack of direct communication modalities when communication crosses sector boundaries. HCPs experienced the use of eDialogue as a quick and easy way for timely interdisciplinary interaction with patients and other HCPs across settings; however, concerns were raised about time consumption. CONCLUSIONS: eDialogue can provide needed support for interdisciplinary and cross-sectoral patient-centered communication. However, future studies of this solution should address its impact and the use of resources.
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 | 0,017 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,009 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».