Exploring the Telehealth Experiences of Service Users with Mental-Physical Multimorbidity during the COVID-19 pandemic
Notice bibliographique
Résumé
Context The COVID-19 pandemic led to significant transformations in health care delivery, notably in the shift towards telehealth. While previous studies have shed light on the benefits and challenges of the rapid shift to telehealth, few studies have explored the telehealth experiences of service users with coexisting mental and physical health conditions (i.e. mental-physical multimorbidity). Objective To explore the telehealth experiences of adults with mental-physical multimorbidity during the COVID-19 pandemic. Study design, population, data collection and analyses We conducted a qualitative descriptive study involving 29 semi-structured interviews with adults living with mental-physical multimorbidity. Participants were asked about their experiences of care during the pandemic, including their positive and negative telehealth experiences. How telehealth influenced the accessibility, continuity, person-centredness and comprehensiveness was explored. Interview transcripts were analyzed using a mixed inductive-deductive thematic analysis approach to identify recurrent themes in participants’ experiences. Analyses were supported by NVivo software and themes were discussed by an interdisciplinary team. Setting Quebec, Canada Results Findings suggest that most participants had both positive and negative care experiences with care delivered through telehealth. While telehealth maintained or improved access to certain types of care such as psychological or routine physical care, access to appropriate care for some physical health conditions remained limited. Telehealth also appeared to help maintain relational continuity between services users and their care providers throughout the pandemic. However, many participants shared negative experiences related to the person-centredness of care delivered via telehealth and fully comprehensive care was often difficult to achieve. Conclusions These findings shed light on areas that can be targeted for quality improvement to improve the telehealth experiences of individuals with mental-physical multimorbidity.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».