Caregiver Experiences, Healthcare Provider Perspectives and Child Outcomes with Virtual Care in a Neonatal Neurodevelopmental Follow-Up Clinic: A Mixed-Methods Study
Notice bibliographique
Résumé
BACKGROUND: Caregiver and healthcare provider perspectives of virtual care have not been explored in depth in the literature for neonatal follow-up clinics. Our objective was to evaluate caregivers' and healthcare providers' perspectives and compare neurodevelopmental outcomes of preterm neonates before and after implementing virtual care during the SARS-CoV-2 pandemic. METHODS: Semi-structured interviews were conducted with families and healthcare providers, designed and analyzed using phenomenological qualitative methods. A retrospective cohort study was conducted to evaluate and compare neurodevelopmental characteristics of two preterm cohorts, one before ("in-person") and after ("virtual") virtual care. RESULTS: Three themes were identified: increased confidence in in-person assessments, adequate delivery of information using virtual platforms and a preference for specialized care through the neonatal follow-up clinic. A total of 252 infants born preterm, 104 infants in the in-person group and 148 infants in the virtual group, were included in the study. The adjusted odds ratio (aOR) of cerebral palsy was lower when virtual care was used compared to in-person assessments (aOR = 0.11, 95% CI 0.01-0.98) while the adjusted odds of cognitive delay measured by in-person standardized testing were higher (aOR = 2.78, 95% CI 1.25-6.19). CONCLUSIONS: Caregivers and healthcare providers prefer in-person assessments for comprehensive developmental support. It may be more challenging to detect subtle cognitive differences using caregiver-reported measures. Cerebral palsy may be missed when assessments are completed virtually.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».