MHealth and perceived quality of care delivery: a conceptual model and validation
Notice bibliographique
Résumé
BACKGROUND: The objective of this research is to examine, conceptualize, and empirically validate a model of mobile health (mHealth) impacts on physicians' perceived quality of care delivery (PQoC). METHODS: Observational quasi-experimental one group posttest-only design was implemented through the empirical testing of the conceptual model with nine hypotheses related to the association of task and technology characteristics, self-efficacy, m-health utilization, task-technology fit (TTF), and their relationships with PQoC. Primary data was collected over a four-month period from acute care physicians in The Ottawa Hospital, Ontario, Canada. The self-reported data was collected by employing a survey and distributed through the internal hospital channels to physicians who adopted iPads for their daily activities. RESULTS: Physicians' PQoC was found to be positively affected by the level of mHealth utilization and TTF, while the magnitude of the TTF direct effect was two times stronger than utilization. Additionally, self-efficacy has the highest direct and total effect on mHealth utilization; in the formation of TTF, technological characteristics dominate followed by task characteristics. CONCLUSION: To date, the impact of utilized mHealth on PQoC has neither been richly theorized nor explored in depth. We address this gap in existing literature. Realizing how an organization can improve TTF will lead to better PQoC.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».