A framework for mobile healthcare answers to chronically illoutpatient non-adherence
Notice bibliographique
Résumé
Non-adherence (also known as 'non-compliance') is a major barrier undermining healing efforts within out-of-hospital self-management programmes, resulting in waste of human and social resources. This study suggests a theoretical framework of activities through which mobile patient solutions might address non-adherence determinants in a broader context of clinical interventions. The goal of the paper is to explore a dilemma associated with such interventions: the uncertainty regarding the level of patient involvement and technology support. We follow a critical orientation approach in discussing this multi-faceted conundrum: we summarise the latest vision on adherence factors, we suggest several types of interventions through which mobile healthcare solutions could address them, and we explore in detail the dilemma of patient and technology roles. We conclude that there is no universally optimal solution, and practical conditions depending on patient, disease, treatment and healthcare system are determining factors in prescribing the level of patient involvement and technology support. Our work is intended to stimulate further research into the nature of mobile solutions in health care and, especially, into patient acceptance aspects, in an endeavour to contribute to improving adherence with minimum obtrusiveness.
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 | 0,016 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,026 |
| Communication savante | 0,012 | 0,012 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,012 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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; 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 ».