Designing for Patient-Centered Care and Equity in Virtual Hospital-at-Home Models: Quality Improvement Initiative Using Experience-Based Co-Design
Notice bibliographique
Résumé
Background: The rapid expansion of virtual care during COVID-19 accelerated the development of virtual hospital-at-home models, which deliver hospital-level care in patients' homes through remote monitoring, virtual communication, and in-person support when required. While the virtual hospital-at-home model offers the potential to improve patient-centered care and health equity, rapid implementation often overlooks culturally diverse and underserved populations, including South Asian communities who experience disproportionate chronic disease burden and barriers to accessing culturally relevant services. Strategies are needed to ensure equitable design and adoption of virtual hospital-at-home models. Objective: This study used an experience-based co-design (EBCD) approach to engage patients, caregivers, clinicians, and community organizations in shaping a regional virtual hospital-at-home strategy within the Fraser Health Authority, British Columbia, Canada. The aim was to identify barriers, facilitators, and equity-focused solutions to inform future implementation. Methods: We conducted a five-stage EBCD quality improvement process in the Fraser Health Authority, British Columbia, including (1) forming a multidisciplinary steering committee, (2) reviewing health care provider experiences, (3) interviewing South Asian patients and caregivers, (4) hosting a co-design workshop to develop solutions, and (5) sharing back findings. Results: Participants identified barriers, including digital literacy, language, and trust in virtual care. The co-designed solutions focused on culturally tailored education, hybrid digital training, caregiver inclusion, and community-driven engagement strategies. Conclusions: EBCD enabled the development of inclusive and actionable strategies to improve virtual hospital-at-home services. The findings highlight the importance of ongoing community collaboration to ensure equity in virtual care innovation.
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 | 0,049 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,004 | 0,012 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».