Impact of information and communication technology on interprofessional collaboration for chronic disease management: a systematic review
Notice bibliographique
Résumé
Objectives Information and communication technology is often lauded as the key to enhancing communication among health care providers. However, its impact on interprofessional collaboration is unclear. The objective of this study was to determine the extent to which it improves communication and, subsequently, enhances interprofessional collaboration in chronic disease management. Methods A systematic review of academic literature using two electronic platforms: HealthSTAR and Web of Science (core collection and MEDLINE). To be eligible for inclusion in the review, articles needed to be peer-reviewed; accessible in English and focused on how technology supports, or might support, collaboration (through enhanced communication) in chronic disease management. Studies were assessed for quality and a narrative synthesis conducted. Results The searches identified 289 articles of which six were included in the final analysis (three used qualitative methods, two were descriptive and one used mixed methods). Various forms of information and communication technology were described including electronic health records, online communities/learning resources and telehealth/telecare. Three themes emerged from the studies that may provide insights into how communication that facilitates collaboration in chronic disease management might be enhanced: professional conflict, collective engagement and continuous learning. Conclusions The success of technology in enhancing collaboration for chronic disease management depends upon supporting the social relationships and organization in which the technology will be placed. Decision-makers should take into account and work toward balancing the impact of technology together with the professional and cultural characteristics of health care teams.
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 | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».