L'utilisation des télésoins à domicile pour un meilleur suivi des maladies chroniques
Notice bibliographique
Résumé
AIM: The purpose of this study was to understand how home telecare technologies can be used to improve services for people with chronic diseases. METHODS: Canadian elders with at least one of the targeted chronic diseases (COPD, heart failure, hypertension, diabetes) were asked to use telehomecare equipment. The data needed to assess the implementation process and to monitor outcomes were collected through participatory observation, documentary analysis and interviews. RESULTS: The study found that the technology has a number of benefits for patients, particularly in terms of access to health services. By enabling patients to access more information about their health, the use of the technology, combined with an educational program, contributes to increasing their capacity for self-management. The results also indicate that the telehomecare equipment had a positive impact on clinical decision-making. By facilitating health professionals' access to information and expertise, it was found to promote interprofessional practice. The study found that telehomecare technology has an organizational impact on practice and requires organizational adaptation, the form of which will depend on local organizational and clinical settings. CONCLUSION: The results suggest that telehomecare technology helps to create conditions that need to be met by health care organizations in order to improve service delivery to people with chronic diseases, particularly with regard to interprofessional collaboration, health professionals' access to information and expertise and active patient participation. However, the successful implementation of the technology requires a detailed analysis of the settings in which it is used.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».