Impact of the Covid-19 Pandemic on the Doctor-Patient Relationship: A Qualitative Study in a Tertiary-Care Centre in Lebanon
Notice bibliographique
Résumé
Background: The Covid-19 pandemic imposed numerous constraints on medical practice and exacerbated preexisting vulnerabilities in Lebanon’s healthcare system, which was already grappling with instability due to concurrent political and economic crises. This situation had a complex impact on the doctor-patient relationship (DPR), with both negative and positive repercussions. Methods: We conducted semi-structured interviews with physicians from various specialties practicing at a tertiary-care center in Lebanon. Our study aimed to 1) explore the impact of the Covid-19 pandemic on the DPR in Lebanon, and 2) provide recommendations for improving the DPR, healthcare policy, and education. Results: Thematic analysis of the data revealed that the pandemic had varying effects on the DPR. While both physicians and patients seemed to have developed a more favourable perception of the medical profession, communication between them appeared to be challenged by the use of personal protective equipment and patients’ concerns about close contact with physicians. The media played a vital role in educating and raising awareness during the pandemic but lacked organization and ethical standards, leading to anticipated fear and confusion among the society. Telemedicine emerged as an alternative means for communication and remote care but faced several obstacles including inadequate internet infrastructure and disruptions to physicians’ personal lives. Conclusion: Our qualitative study unveiled the multifaceted impact of the Covid-19 pandemic on perceiving the healthcare system, doctor-patient interactions, and the role of telemedicine in Lebanon, among others. These findings underscore the importance of effective communication in enhancing the DPR, the need to address misinformation on social media, and the imperative for systemic improvements to strengthen the resilience of Lebanon’s healthcare system.
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 | 0,010 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,009 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».