Adoption of e-health technology by physicians: a scoping 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
OBJECTIVE: The goal of this scoping review was to summarize the current literature identifying barriers and opportunities that facilitate adoption of e-health technology by physicians. DESIGN: Scoping review. SETTING: MEDLINE, EMBASE, and PsycINFO databases as provided by Ovid were searched from their inception to July 2015. Studies captured by the search strategy were screened by two reviewers and included if the focus was on barriers and facilitators of e-health technology adoption by physicians. RESULTS: Full-text screening yielded 74 studies to be included in the scoping review. Within those studies, eleven themes were identified, including cost and liability issues, unwillingness to use e-health technology, and training and support. CONCLUSION: Cost and liability issues, unwillingness to use e-health technology, and training and support were the most frequently mentioned barriers and facilitators to the adoption of e-health technology. Government-level payment incentives and privacy laws to protect health information may be the key to overcome cost and liability issues. The adoption of e-health technology may be facilitated by tailoring to the individual physician's knowledge of the e-health technology and the use of follow-up sessions for physicians and on-site experts to support their use of the e-health technology. To ensure the effective uptake of e-health technologies, physician perspectives need to be considered in creating an environment that enables the adoption of e-health strategies.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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