MétaCan
Menu
Retour à la cohorte
Enregistrement W2022807833 · doi:10.1258/135763307780096195

A qualitative study of in-home robotic telepresence for home care of community-living elderly subjects

2007· article· en· W2022807833 sur OpenAlexaff
Patrick Boissy, Hélène Corriveau, François Michaud, Daniel Labonté, M.-P. Royer

Notice bibliographique

RevueJournal of Telemedicine and Telecare · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensHealth and Social Services Centre University Institute of Geriatrics of SherbrookeUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésTelecareFocus groupGeriatricsUsabilityRespite careHealth careNursingQualitative researchTeleoperationTelehealthMultidisciplinary approachTelemedicineMedicinePsychologyMultimediaRobotComputer scienceHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

We examined the requirements for robots in home telecare using two focus groups. The first comprised six healthcare professionals involved in geriatric care and the second comprised six elderly people with disabilities living in the community. The concept of an in-home telepresence robot was illustrated using a photograph of a mobile robot, and participants were then asked to suggest potential health care applications. Interview data derived from the transcript of each group discussion were analyzed using qualitative induction based on content analysis. The analyses yielded statements that were categorized under three themes: potential applications, usability issues and user requirements. Teleoperated mobile robotic systems in the home were thought to be useful in assisting multidisciplinary patient care through improved communication between patients and healthcare professionals, and offering respite and support to caregivers under certain conditions. The shift from a traditional hospital-centred model of care in geriatrics to a home-based model creates opportunities for using telepresence with mobile robotic systems in home telecare.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,121
Score d'incertitude au seuil0,722

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,422
Écart entre enseignants0,367 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations98
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Telemedicine and TelecareMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207