Exploring routine use of telemedicine through a case study in rehabilitation.
Notice bibliographique
Résumé
OBJECTIVE: This study examines how telerehabilitation becomes part of existing and new clinical routines and identifies factors that enable or constrain its routine use. METHODS: An in-depth case study of a telemedicine program in rehabilitation implemented between an urban specialized rehabilitation center and a rural regional rehabilitation center was conducted. Using a conceptual framework based on Giddens' theory of structuration, a qualitative analysis was carried out using four data sources: focus groups and phone interviews (with health professionals, managers, and patients and their family members); telerehabilitation video recordings; and project documents (e.g., proposals, requests for funding, summaries, agendas of meetings, operating procedures, patient handouts, and tools for clinicians). RESULTS: In two rehabilitation programs for 1) patients who sustained a traumatic brain injury and 2) those who sustained a spinal cord injury, telerehabilitation was successfully incorporated into routine clinical practices for activities such as interdisciplinary care plans. However, for specialized clinical consultations or long-term patient follow-up, telerehabilitation was not successfully incorporated. Factors that facilitated or prevented the integration of telerehabilitation in routine practices stemmed from both the structure (norms, rules, resources, and values) and the agent (e.g., users of telerehabilitation, including clinicians, managers, and patients and their families) and include 1) shared beliefs and assumptions held by patient care team members regarding the nature of the clinical activities, and the perceptions of patients and their family members; 2) clinical and organizational leadership; 3) extent and type of telerehabilitation use; 4) available resources; and 5) collaborations already in place or needing to be developed. CONCLUSIONS: This study provides empirical evidence of how telerehabilitation activities may become integrated into routine day-to-day clinical activities.
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 | 0,012 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,006 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 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 ».