MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413257770 · doi:10.2196/72729

Patient Experience of Virtual Hospital Care Provided by a Multidisciplinary Team: Protocol for a Mixed Methods Study

2025· article· en· W4413257770 sur OpenAlexvenueno aff
Tim M Jackson, Kanesha Ward, Sarvinder Singh, Rezwanul Hasan Rana, Winnifred Li, Chenyao Yu, Jason Levy, Michelle Chen, M. Chung, Shelley Somi, K. L. Offner, Enrico Coiera, Annie Lau

Notice bibliographique

RevueJMIR Research Protocols · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesNational Health and Medical Research CouncilMedical Research CouncilNSW Ministry of HealthMacquarie University
Mots-clésProtocol (science)Multidisciplinary approachNursingMultidisciplinary teamMedicinePatient experienceHealth careMedical educationPsychologyComputer scienceAlternative medicineSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Virtual hospitals are defined as the delivery of hospital-level health care via digital services such as videoconferencing technologies, digital platforms, and remote monitoring. The purpose is to leverage virtual technologies to deliver accessible patient-centered care, improve the overall health of communities, and implement improvements driven by real-time access to patient data. Patients and their caregivers have increasingly favored these alternative and complementary service delivery models alongside traditional in-person care. However, this is still a complex issue, and the current literature points to a variety of challenges that need to be overcome to provide optimal models of care. OBJECTIVE: This study aims to identify unique challenges to virtual hospitals providing multidisciplinary care for patients at home, and co-design recommendations to improve the patient experience. METHODS: This research is a mixed methods exploratory case study of a virtual hospital in Sydney, New South Wales, Australia. The methods include (1) document analysis: this will be used to identify the current formal processes that govern the virtual hospital; (2) secondary analysis of data: a detailed investigation of existing data collected by the virtual hospital, for example, patient-reported experience measures, patient-reported outcome measures, and other available data; (3) observations of current practices; (4) semistructured interviews; (5) co-designed focus groups; (6) economic analysis; (7) comparative case study; and finally, (8) a triangulation analysis. To synthesize these findings within a unified analytical framework, all data will be subjected to open or axial coding following the Strauss framework, allowing the convergence of themes across codes and methods. RESULTS: As of April 2025, observations and initial documentation analysis have begun. Multidisciplinary team meetings and clinician shadowing have commenced, along with analysis of Standards of Practice documents. CONCLUSIONS: This protocol outlines a mixed methods case study on a new virtual hospital located in Sydney, New South Wales, Australia. We anticipate our results to provide a comprehensive understanding of patient experience through a range of quantitative and qualitative research activities. We will achieve this by identifying challenges for patients, carers, and health care workers, and documenting informal solutions discovered through our research activities. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/72729.

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)0,089
score de la tête « metaresearch » (Gemma)0,062
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: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,471

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0890,062
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0050,005
Études des sciences et des technologies0,0070,004
Communication savante0,0060,004
Science ouverte0,0050,004
Intégrité de la recherche0,0060,006
Charge utile insuffisante (le modèle a refusé de juger)0,0420,010

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 Opus0,166
Tête enseignante GPT0,643
Écart entre enseignants0,478 · 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
GenreProtocole

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research Protocols→Même sujetTelemedicine and Telehealth Implementation→Travaux en français237 207→