Accessing patient satisfaction for palliative care outpatient telemedicine services at a tertiary care hospital in Karachi, Pakistan.
Notice bibliographique
Résumé
Abstract Background: Telemedicine has been projected as one way to improve access to palliative care services for patients with serious illness, delivering health care services remotely given a shortage of trained physicians and available specialty services. This technology is being used extensively to improve quality of life of patients needing palliation during unprecedented times of COVID-19 pandemic. However, its efficacy has not been evaluated, specifically in palliative care specialty, where it is instrumental for healthcare access. We aimed to evaluate satisfaction and factors related to satisfaction with telemedicine appointment system and palliative care team during virtual outpatient palliative care telemedicine consultations. Methods This cross-sectional study was conducted on patients seen in adult palliative care telemedicine clinics between February 2020 to March 2022 at a tertiary care hospital in Pakistan. Results A total of 130 participants participated, with a mean age of 63.2 years, n = 61 (47%) males and n = 69 (53%) females. There were n = 76 (58.4%) initial visits and n = 54 (41.5%) follow-ups. 94% of the participants agreed with healthcare access, 92% with the quality of care, 92% with patient-physician interaction, 77% with convenience, 91% wanted to continue teleconsultation and 88% found it cost-effective. Besides this, 46% of participants expressed that they were worried about privacy breach. Conclusion Telemedicine is an innovative approach. Participants find it accessible, cost-effective, convenient and of good quality. In future, it can be implemented and should be promoted in the post pandemic landscape as an effective patient care modality to address enormous unmet needs of patients with functional frailty or living in remote area.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».