Social Media Users’ Perception of Telemedicine and mHealth in China: Exploratory Study
Notice bibliographique
Résumé
BACKGROUND: The use of telemedicine and mHealth has increased rapidly in the People's Republic of China. While telemedicine and mHealth have great potential, wide adoption of this technology depends on how patients, health care providers, and other stakeholders in the Chinese health sector perceive and accept the technology. OBJECTIVE: To explore this issue, we aimed to examine a social media platform with a dedicated focus on health information technology and informatics in China. Our goal is to utilize the findings to support further research. METHODS: In this exploratory study, we selected a social media platform-HC3i.cn-to examine the perception of telemedicine and mHealth in China. We performed keyword analysis and analyzed the prevalence and term frequency-inverse document frequency of keywords in the selected social media platform; furthermore, we performed qualitative analysis. RESULTS: We organized the most prominent 16 keywords from 571 threads into 8 themes: (1) Question versus Answer; (2) Hospital versus Clinic; (3) Market versus Company; (4) Doctor versus Nurse; (5) Family versus Patient; (6) iPad versus Tablet; (7) System versus App; and (8) Security versus Caregiving. Social media participants perceived not only significant opportunities associated with telemedicine and mHealth but also barriers to overcome to realize these opportunities. CONCLUSIONS: We identified interesting issues in this paper by studying a social media platform in China. Among other things, participants in the selected platform raised concerns about quality and costs associated with the provision of telemedicine and mHealth, despite the new technology's great potential to address different issues in the Chinese health sector. The methods applied in this paper have some limitations, and the findings may not be generalizable. We have discussed directions for further research.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».