Expériences de soins en télésanté lors de la pandémie de Covid-19 : une étude qualitative auprès d’usagers de services ayant des troubles de santé mentale et des maladies physiques chroniques
Bibliographic record
Abstract
La pandémie de COVID-19 a engendré de profonds changements dans les modalités de prestation des soins de santé, notamment l’adoption rapide de la télésanté. Bien que certaines études aient exploré les avantages et les défis liés à la télésanté en contexte de pandémie, peu d’études se sont penchées sur les expériences de soins en télésanté d’individus vivant avec des troubles de santé mentale et des maladies physiques chroniques. Cet article propose d’explorer les perspectives de 29 usagers de services. Des entrevues semi-dirigées ont été réalisées dans le cadre d’une étude plus large basée sur des méthodes mixtes. Les participants ont été interrogés sur différentes dimensions de leurs expériences de soins, notamment l’accessibilité, la continuité, l’approche centrée sur la personne, ainsi que la globalité. Les transcriptions de ces entrevues ont fait l’objet d’une analyse thématique, à la fois déductive et inductive. Les résultats suggèrent que le virage vers la télésanté a contribué à maintenir l’accessibilité et la continuité des soins de santé pour la plupart des participants de l’étude. En revanche, ce virage n’a favorisé que de façon limitée une approche des soins centrée sur la personne et la globalité des soins, soulignant la nécessité d’améliorer ces aspects dans un objectif d’amélioration de la qualité et de pérennisation de la télésanté.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.006 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".