MétaCan
Menu
Retour à la cohorte
Enregistrement W4400741987 · doi:10.1186/s12875-024-02518-x

Telemedicine in primary care of older adults: a qualitative study

2024· article· en· W4400741987 sur OpenAlexafffundabout
Vladimir Khanassov, Marwa Ilali, Ana Saavedra Ruiz, Laura Rojas‐Rozo, Rosa Sourial

Notice bibliographique

RevueBMC Primary Care · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensMcGill University
Organismes subventionnairesFonds de Recherche du Québec - Santé
Mots-clésFocus groupThematic analysisQualitative researchHealth carePopulationTelemedicineNursingGovernment (linguistics)MedicinePsychologyMedical education

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic changed the healthcare system, leading to the rapid evolution and implementation of telemedicine (TM). TM has the potential to improve the quality of primary health care and increase accessibility for the population. However, its use may represent challenges for older people, as they may have distinct needs from the general population due to age-related changes in perceptual, motor, and cognitive capacities. We, thus, aimed to identify potential facilitators and barriers to TM use in primary care for older adults and develop recommendations accordingly. METHODS: We conducted a qualitative study to explore the challenges associated with TM use among older adults and healthcare professionals (HCPs) in primary care practice. Interviews were conducted with 29 older adults, and three focus groups involving HCPs from four McGill family medicine sites were organized. Employing a hybrid codebook thematic analysis, guided by the Consolidated Framework for Implementation Research (CFIR), we identified facilitators and barriers affecting the optimal use of TM by older adults and HCPs. We synthesized the results from semi-structured interviews and focus groups. These findings were then presented during a deliberative dialogue with eight participants, including family physicians, nurses, a social worker, and a government-level TM expert, to validate our results. The purpose was to gather feedback, identify and refine actionable recommendations. Subsequently, we utilized a thematic analysis using the same codebook to synthesize findings from the deliberative dialogue. RESULTS: Participants agreed that TM contributed to maintaining the continuity of care and was particularly convenient when there was an existing or established patient-physician relationship or for addressing minor health issues. TM was found to be beneficial for people with limited mobility, reducing their exposure to potentially high-risk environments. However, participants expressed concerns about the lack of visual contact, causing essential details to be overlooked. Additionally, issues related to miscommunication due to language or hearing barriers were identified. HCPs perceived that most older adults did not consider phone consultations a medical act. Participants were open to a hybrid approach, combining in-person consultations and TM, based on their specific health conditions. Building upon these results, we formulated seven key recommendations. CONCLUSIONS: Both older adults and HCPs consider TM a good alternative for accessing healthcare services. To improve the effective use of TM, it's crucial to advocate for a hybrid approach that integrates both in-person and virtual methods. This approach should actively encourage and support individuals in becoming familiar with technological tools.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,018
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0090,006
Communication savante0,0040,004
Science ouverte0,0010,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,375
Écart entre enseignants0,351 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Primary CareMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207