MétaCan
Menu
Retour à la cohorte
Enregistrement W2053573396 · doi:10.1155/2011/342582

Internet-Based Support for Cardiovascular Disease Management

2011· article· en· W2053573396 sur OpenAlexafffund
Sandra Jarvis-Selinger, Joanna Bates, Yuriko Araki, Scott A. Lear

Notice bibliographique

RevueInternational Journal of Telemedicine and Applications · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Health and Mental Health
Établissements canadiensSimon Fraser UniversityVancouver General HospitalUniversity of British Columbia
Organismes subventionnairesVancouver FoundationHeart and Stroke Foundation of CanadaBritish Columbia Medical Services FoundationMichael Smith Health Research BCPfizer
Mots-clésTelehealthIncentiveThe InternetMedicineDiseaseDisease managementHealth professionalsHealth careNursingTelemedicineHealth management systemMedical emergencyBusinessAlternative medicineWorld Wide WebPathologyComputer science

Résumé

récupéré en direct d'OpenAlex

With significant declines in cardiovascular disease (CVD) mortality, attention has shifted to patient management. Programs designed to manage CVD require the involvement of health professionals for comanagement and patients' self-management. However, these programs are commonly limited to large urban centers, resulting in limited access for rural patients. The use of telehealth potentially overcomes geographical barriers and can improve access to care for patients. The current research explores how an Internet-based platform might facilitate collaboration among healthcare providers comanaging patients and enhance behavioural change in patients. Forty-eight participants were interviewed including: (a) patients (n = 12), (b) physicians (n = 11), (c) nurses (n = 13), and (d) allied health professionals (n = 10). The results were organized and analyzed in three central themes: (1) role of technology for CVD management, (2) challenges to technology adoption, and (3) incentives for technology adoption. Health care providers and patients supported future implementation of Internet-based technology support for CVD management.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,930
Score d'incertitude au seuil0,243

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,036
Tête enseignante GPT0,337
Écart entre enseignants0,301 · 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'étudeSans objet
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

Citations26
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Telemedicine and ApplicationsMême sujetCardiac Health and Mental HealthTravaux en français237 207