A Scoping Review of International Literature on Patient-Provider Satisfaction with Virtual Prenatal Appointments: Recommendations for Canadian Providers
Notice bibliographique
Résumé
While Canadian telemedicine has grown in popularity following the COVID-19 pandemic, research on patient and provider satisfaction with these services is scarce, especially in its application in prenatal care delivery. Moreover, majority of existing literature focuses on clinical outcomes when investigating prenatal telemedicine’s success, leaving a gap in our understanding of patient-provider satisfaction. Literature examining attitudes towards virtual prenatal appointments consistently notes low satisfaction and rarely offers recommendations to improve care. This review aims to investigate determinants of and barriers to patient-provider satisfaction with virtual prenatal appointments and offer recommendations to improve Canadian satisfaction. Searches were run on PubMed and CINAHL using keywords including “prenatal”, “virtual”, “satisfaction”, and “appointment”. The retrieved literature was uploaded and screened in Covidence. In total, 43 papers covering virtual prenatal care in jurisdictions outside of Canada were reviewed for data extraction. The literature was summarized alongside six key themes: logistical barriers, non-logistical barriers, patient-provider communication, appointment types, general benefits of telehealth, and suggestions for improvement. Leading determinants were found to be the level of perceived and actual barriers to utilization, quality of patient-provider communication and relationships, and access to devices and internet connectivity. Recommendations for improving satisfaction with Canadian care include cross-border consultations, use of provider care teams, and improved telehealth management and provider training. The focus on international research enabled us to identify what lessons Canadian practitioners can learn from other countries in the provision of virtual prenatal care. This review also contributes to the scarce Canadian research on satisfaction with virtual prenatal appointments.
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 | 0,037 | 0,116 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,040 | 0,054 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».