Factors affecting front line staff acceptance of telehealth technologies: a mixed‐method systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIM: To synthesize qualitative and quantitative evidence of front-line staff acceptance of the use of telehealth technologies for the management of Chronic Obstructive Pulmonary Disease and Chronic Heart Failure. BACKGROUND: The implementation of telehealth at scale is a governmental priority in countries including the UK, USA and Canada, but little research has been conducted to analyse the impact of implementation on front-line nursing staff. DATA SOURCES: Six relevant data bases were searched between 2000-2012. DESIGN: Mixed-method systematic review including all study designs. REVIEW METHODS: Centre for Reviews and Dissemination approach with thematic analysis and narrative synthesis of results. RESULTS: Fourteen studies met the review inclusion criteria; 2 quantitative surveys, 2 mixed-method studies and 10 using qualitative methods, including focus groups, interviews, document analysis and observations. Identified factors affecting staff acceptance centred on the negative impact of service change, staff-patient interaction, credibility and autonomy, and technical issues. Studies often contrasted staff and patient perspectives, and data about staff acceptance were collected as part of a wider study, rather than being the focus of data collection, meaning data about staff acceptance were limited. CONCLUSION: If telehealth is to be implemented, studies indicate that the lack of acceptance of this new way of working may be a key barrier. However, recommendations have not moved beyond barrier identification to recognizing solutions that might be implemented by front-line staff. Such solutions are imperative if future roll-out of telehealth technologies is to be successfully achieved.
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.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découle