MétaCan
Menu
Retour à la cohorte
Enregistrement W2095487993 · doi:10.1089/tmj.2005.11.442

Telehealth to Support Practice in Remote Regions: A Survey Among Medical Residents

2005· article· en· W2095487993 sur OpenAlexaffabout
Marie‐Pierre Gagnon, Jean‐Paul Fortin, Réjean Landry

Notice bibliographique

RevueTelemedicine Journal and e-Health · 2005
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensInstitut National de Santé Publique du QuébecUniversité LavalAlberta HealthUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésTelehealthWorkforceEconomic shortageTelemedicineNursingSample (material)Work (physics)MedicineFamily medicineMedical educationHealth carePsychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Medical workforce distribution represents a particular challenge in Quebec, Canada. Telehealth is considered a promising tool to provide access to health care, but also to increase professional support in remote regions. This survey was aimed at exploring medical residents' perceptions toward telehealth and its potential impact on their intention to practice in remote regions. A questionnaire was distributed to a convenient sample of medical residents. A total of 67 questionnaires were analyzed. Analyses were performed to explore relationships between factors related to residents' intention to practice in remote regions and factors associated with their intention to use telehealth. Residents perceived telehealth positively and thought that it could influence favorably medical practice in remote regions. Furthermore, telehealth was associated with better continuing medical education and this factor is a strong predictor of medical residents' intention to practice in remote regions. Telehealth constitutes a precious tool to support the delivery of health services in remote regions and to facilitate the work of physicians. Nonetheless, telehealth alone would not solve medical resource shortages in remote regions.

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)0,032
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,404
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0320,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,004
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,083
Tête enseignante GPT0,500
Écart entre enseignants0,418 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations24
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTelemedicine Journal and e-HealthMême sujetGlobal Health Workforce IssuesTravaux en français237 207