Urban-rural difference in patients utilizing the service of telehealthcare
Notice bibliographique
Résumé
There are concerns about the unbalanced distribution of healthcare resources between rural and urban areas. There have been attempts to use existing healthcare resources more effectively through telehealthcare. Usability is an important indicator for evaluating patient behavior and determining service improvements. Nevertheless, usability has not been studied extensively enough. This study analyzed the usability differences between urban and rural areas in Taiwan for a web portal used in a telehealthcare program. Data were collected for two years. Usability data includes the frequency of web portal patient logins, the frequency of glucose measurements, whether the records were transmitted to the system through 3G networks automatically or were manually inputted, and the correlation of the mean 3-month daily glucose levels and HbA1c results. Patients in urban areas logged into the web portal more frequently (p < .001) and recorded glucose levels more frequently (p = .003). More patients in the rural area transmitted their daily glucose levels using devices (p < .001). Mean 3-month daily glucose levels and HbA1c results appear to be highly consistent. Patients in urban areas did not readily change glucometer habits but were willing to log in to web portal and record daily glucose levels manually. Patients in rural areas were willing to use the 3G glucometer to transmit data more frequently. For patients in urban areas, web portals should provide more information and smart applications. For patients in rural areas, the application should be simple and easy to use.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».