Social acceptance and population confidence in telehealth in Quebec
Notice bibliographique
Résumé
BACKGROUND: Access to healthcare in remote areas is difficult and telehealth could be a promising avenue if accepted by the population. The aim of this study is to assess social acceptance and population confidence in telehealth in the Province of Quebec. METHODS: We conducted a survey using a questionnaire assessing the social acceptance of and confidence level in telehealth. Two strategies were used: 1) paper questionnaires were sent to two hospitals in Quebec; and 2) online questionnaires were randomly sent by a firm specialized in online survey to a representative sample of the population of the Province of Quebec. Respondents were all residents of the Province of Quebec and 18 years and older. Questions were scored with a four-level Likert scale. RESULTS: A total of 1816 questionnaires were analyzed (229 written and 1,587 online questionnaires). The socio-demographic variables in our samples, especially the online questionnaires, were fairly representative of Quebec's population. Overall, social acceptance scored at 77.71% and confidence level at 65.76%. Both scores were higher in the case of treatment (3 scenarios were proposed) vs. diagnosis (p < 0.05). No difference was found when respondents were asked to respond for themselves and for a member of their family, which demonstrates a true interest in telehealth in Quebec. In addition, we found a significant difference (p < 0.05) between written and online questionnaires regarding social acceptance (80.75% vs. 77.33%) and confidence level (74.84% vs. 64.55%). These differences may be due to social desirability or avidity bias in the written questionnaires. CONCLUSIONS: Our results suggest that the population in Quebec encourages the development of telehealth for real time diagnosis and long distance treatment for regions deprived of healthcare professionals.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».