Guidelines for Rapport-Building in Telehealth Videoconferencing: Interprofessional e-Delphi Study
Notice bibliographique
Résumé
Background: Telehealth training is increasingly incorporated into educational programs for health professions students and practicing clinicians. However, existing competencies and standards primarily address videoconferencing visit logistics, diagnostic modifications, and etiquette, often lacking comprehensive guidance on adapting interpersonal skills to convey empathy, cultural humility, and trust in web-based settings. Objective: This study aimed to establish consensus on the knowledge, skills, and attitudes required for health professions students and clinicians to build rapport with patients in telehealth videoconferencing visits and to identify teaching strategies that best support these educational goals. Methods: An e-Delphi study was conducted using a panel of 12 interprofessional experts in telehealth and telehealth education. Round 1 involved interviews, followed by anonymous surveys in rounds 2-4 to build consensus. Results: All 12 experts participated in rounds 1-3. In total, 19 themes related to rapport-building and 77 specific curriculum items were identified, all achieving the established level of consensus. Conclusions: Using a competency-based education framework, this study provides guidance for health professions educators, teaching clinicians, and students on how to adapt interpersonal skills for telehealth including detailed content related to knowledge, skills, attitudes, and teaching strategies. Future research is needed to test the feasibility, acceptability, and effectiveness of curricula based on these competencies and teaching strategies.
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 | 0,002 | 0,003 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».