Telemedicine and virtual healthcare for survivors of sexual assault and intimate partner violence: A qualitative study
Notice bibliographique
Résumé
BACKGROUND: Survivors of sexual assault and intimate partner violence often face many challenges in seeking/receiving healthcare and are often lost to follow up. OBJECTIVES: Our study objectives are to evaluate the feasibility, acceptability, and satisfaction of using telemedicine technology among sexual assault and intimate partner violence patients who present to a Canadian Emergency Department. DESIGN: Qualitative research was conducted using a thematic approach. METHODS: Patients were identified from a case registry of all sexual assault and intimate partner violence cases seen between 1 April 2020 and 31 March 2022 from an emergency department of a large Canadian hospital. Qualitative trauma-informed interviews were conducted with consenting participants. Thematic qualitative analyses were performed to investigate barriers and drivers of telemedicine for follow-up care. RESULTS: Of the 1007 sexual assault and intimate partner violence patients seen during the study timeframe, 180 (8%) consented to be contacted for future research, and 10 completed an interview regarding telemedicine for follow-up care. All participants were cisgendered women, 5 (50%) experienced sexual assault, 6 (60%) physical assault, and 3 (30%) verbal assault. All knew their assailant, and 6 (60%) were assaulted by a current or former intimate partner. Three themes emerged as drivers of telemedicine use: increased comfort, increased convenience, and less time required for the appointment. Three thematic barriers to telemedicine use included lack of privacy from others, lack of safety from their assailant, and pressure to balance competing tasks during the appointment. CONCLUSION: This study illustrated that telemedicine for sexual assault and intimate partner violence follow-up care is feasible, acceptable, and can improve patient satisfaction with follow-up care. Ensuring safety and privacy are key considerations when offering telemedicine as an appropriate option for survivors.
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 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 ».