Virtual Care as Deployed to Improve Access to Primary Care in 3 Canadian Provinces: A policy focused qualitative study
Notice bibliographique
Résumé
CONTEXT The COVID-19 pandemic accelerated moves towards the virtual delivery of primary care in Canada. As this occurred debates over how virtual primary care (VPC) ought to be encouraged or discouraged, governed and paid for have intensified. Within these high-level debates there has been little attention paid to the details of which technologies are being deployed to deliver VPC and how those technologies interact with non-technical factors to ensure efficiency and effectiveness. OBJECTIVE As part of drawing out pragmatic considerations for policy makers, identifying the various constellations of VPC technology that are being deployed; characterizing how key informants see them working and to what purpose; and describing how those technologies are interacting with non-technical factors to shape success. DESIGN & ANALYSIS 29 qualitative interviews with mid-level VPC experts from the provinces of Alberta, Nova Scotia, and Ontario. Data were coded and analyzed using an Interpretive Description approach. Results From basic phone calls to advanced multi-platform multi-disciplinary case conferences, participants saw VPC technologies as improving access to primary care by increasing efficiency and coordination. Specifically VPC was deployed to improve the accessibility, availability, and accommodativeness of care. VPC technologies interacted with and relied on: human efforts, funding models, and the institutional contexts in which they were deployed. CONCLUSIONS Policy-makers seeking to optimize VPC will want to consider ways to support not just purchases of technology, but: the human effort required to choose and manage technology; the funding mechanisms that incentivize the efficient use technology; and the institutional contexts and cultures that underpin access improvements through technology.
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 | 0,009 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,029 | 0,011 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».