Design of a Care Pathway for Preventive Blood Pressure Monitoring: Qualitative Study
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
BACKGROUND: Electronic health (eHealth) services could provide a solution for monitoring the blood pressure of at-risk patients while also decreasing expensive doctor visits. However, a major barrier to their implementation is the lack of integration into organizations. OBJECTIVE: Our aim was to design a Care Pathway for monitoring the blood pressure of at-risk patients, in order to increase eHealth implementation in secondary preventive care. METHODS: A qualitative design study was used in this research. Data were collected by conducting visual mapping sessions including semistructured interviews with hypertension patients and doctors. The data were transcribed and coded and thereafter mapped into a Care Pathway. RESULTS: Four themes emerged from the results: (1) the current approach to blood pressure measuring has disadvantages, (2) risk and lifestyle factors of blood pressure measuring need to be considered, (3) there are certain influences of the at-home context on measuring blood pressure, and (4) new touchpoints between patients and health professionals need to be designed. These in-depth insights combined with the visualization of the current blood pressure process resulted in our Care Pathway design for monitoring the blood pressure of at-risk patients as secondary preventive care. CONCLUSIONS: The Care Pathway guides the implementation of eHealth devices for blood pressure self-measurement. It showcases the pathway of at-risk patients and increases their involvement in managing their blood pressure. It serves as a basis for a new service using eHealth.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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