MétaCan
Menu
Retour à la cohorte
Enregistrement W2076666114 · doi:10.4018/jhisi.2013010103

Telehealth Interventions for Management of Chronic Obstructive Lung Disease (COPD) and Asthma

2013· article· en· W2076666114 sur OpenAlexaff
Laura Nimmon, Iraj Poureslami, Mark Fitzgerald

Notice bibliographique

RevueInternational Journal of Healthcare Information Systems and Informatics · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Obstructive Pulmonary Disease (COPD) Research
Établissements canadiensUniversity of British Columbia HospitalCentre for Advancing Health OutcomesUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTelehealthPsychological interventionAsthmaCOPDAttendanceMedicineIntervention (counseling)PopulationTelemedicineHealth carePhysical therapyFamily medicineIntensive care medicineMedical emergencyNursingEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

The authors systematically collated, classified, and evaluated the evidence of intervention studies from recent systematic reviews about the effects of telehealth interventions on COPD and asthma care. Eight electronic databases were searched. Eligible articles were those published between 2001 and 2011 in English. Eleven review articles are included. Asthma and COPD are better controlled when patients use interactive technological tools to monitor their chronic disease. The effects of telehealth interventions on emergency department attendance, specific quality of life, and mortality remained less certain. Only some reviews mentioned if the cost-effectiveness was systematically analyzed. Telehealth promises to be a highly effective intervention in managing chronic lung diseases while also potentially reducing some of the economic burdens of asthma and COPD. New directions in telehealth developments, implementations, and evaluations should be made, in which the exchange of health information should not be over simplified, but rather reflect the different socio-cultural practices of population groups and individuals.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,716
Score d'incertitude au seuil0,492

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
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 Opus0,022
Tête enseignante GPT0,343
Écart entre enseignants0,321 · 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'étudeObservationnel
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

Citations10
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Healthcare Information Systems and InformaticsMême sujetChronic Obstructive Pulmonary Disease (COPD) ResearchTravaux en français237 207