The virtual care-physicianism model: integrating foresight projections from hindsight and insight distilled data
Notice bibliographique
Résumé
Purpose The purpose of this study is to examine Canadian physicians’ use of virtual health-care visits through three modalities – telephone, secure messaging and videoconferencing – before and after COVID-19. This study evaluates physicians’ perceptions of the usability of these modalities and measures the influence of six perceived behavioral factors on physician satisfaction, drawing on the proposed virtual care-physicianism model (VCPM) informed by Library and Information Science theory. Design/methodology/approach Using secondary data from the 2018 Canadian Physician Survey (n = 1,393) and the 2021 National Survey of Canadian Physicians (n = 2,071), this study addresses three research questions linked to corresponding hypotheses. Statistical analyses – including Z-tests, chi-square tests, multiple regression and hierarchical regression – were applied to assess changes in virtual care usage (Hindsight–Insight) and evaluate the conceptual, human and technical dimensions of the VCPM (Oversight). Findings The results of this study reveal a substantial increase in virtual care adoption, particularly videoconferencing (10.5% in 2018–50.4% in 2021). Usability scores in 2021 ranged from 2.68 to 4.23, with satisfaction differing significantly by age, gender and practice type. The VCPM explained 64% of the variance in satisfaction with virtual care. Key predictors included Perceived Work–Life Balance, Perceived Quality and Perceived Efficiency, underscoring the importance of integrating conceptual, human and technical factors to sustain adoption. Originality/value This study uniquely traces the evolution of Canadian virtual care within a pre-/post-pandemic framework, integrating Library and Information Science perspectives into health-care research. By combining national survey data with interdisciplinary theory, it offers a comprehensive resource for academics, policymakers and practitioners aiming to enhance physician satisfaction and sustain virtual care services.
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 | 0,026 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».