Implementation of virtual primary care: a comparative study of family medicine residents’ experiences
Notice bibliographique
Résumé
Background: Virtual care (VC) was rapidly adopted during the COVID-19 pandemic to ensure continuity of primary care. In this study, we explored Family Medicine (FM) residents’ evolving experiences with VC across early (2020), late (2022), and post-pandemic (2024) phases in Saskatchewan, focusing on satisfaction, preparedness, supervision, and perceived impact on training and well-being. Methods: FM residents across eight distributed sites were surveyed at three time points using a standardized tool. Responses were analyzed using chi-square, Kruskal-Wallis, and post hoc Mann-Whitney U tests (p < 0.05). Results: Seventy-eight residents participated (2020: n = 26; 2022: n = 19; 2024: n = 33). Satisfaction with VC tended to decline over time (p = 0.074), while requests for additional VC training did not change (p = 0.269). Confidence to use VC post-residency dropped significantly from 100% (2020) to 60.6% (2024; p < 0.001), despite a consistent and moderate amount of supervision. The negative impact of COVID-19 on training declined by 2024 (p = 0.008), while trust in the provincial response to the COVID-19 pandemic also decreased (p < 0.0001). Conclusions: Although FM residents adapted to VC during the pandemic, long-term sustainability to use VC requires improved training, structured supervision, and curricular integration. Embedding VC competencies into postgraduate education is essential to support hybrid models of care in the evolving primary care landscape.
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 | 0,001 | 0,001 |
| 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) | 0,003 | 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 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 ».