MétaCan
Menu
Retour à la cohorte
Enregistrement W3040316091 · doi:10.2196/20359

Utilization Barriers and Medical Outcomes Commensurate With the Use of Telehealth Among Older Adults: Systematic Review

2020· review· en· W3040316091 sur OpenAlexvenueno aff
Clemens Scott Kruse, Joanna Fohn, Nakia Wilson, Evangelina Núñez Patlán, Stephanie Zipp, Michael Mileski

Notice bibliographique

RevueJMIR Medical Informatics · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTelehealthCINAHLeHealthPsychological interventionMedicineMEDLINEmHealthTelecareTelemedicineSystematic reviewQuality of life (healthcare)Health careGerontologyNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Rising telehealth capabilities and improving access to older adults can aid in improving health outcomes and quality of life indicators. Telehealth is not being used ubiquitously at present. OBJECTIVE: This review aimed to identify the barriers that prevent ubiquitous use of telehealth and the ways in which telehealth improves health outcomes and quality of life indicators for older adults. METHODS: This systematic review was conducted and reported in accordance with the Kruse protocol and the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines. Reviewers queried the following four research databases: Cumulative Index of Nursing and Allied Health Literature (CINAHL), PubMed (MEDLINE), Web of Science, and Embase (Science Direct). Reviewers analyzed 57 articles, performed a narrative analysis to identify themes, and identified barriers and reports of health outcomes and quality of life indicators found in the literature. RESULTS: Reviewers analyzed 57 studies across the following five interventions of telehealth: eHealth, mobile health (mHealth), telemonitoring, telecare (phone), and telehealth video calls, with a Cohen κ of 0.75. Reviewers identified 14 themes for barriers. The most common of which were technical literacy (25/144 occurrences, 17%), lack of desire (19/144 occurrences, 13%), and cost (11/144 occurrences, 8%). Reviewers identified 13 medical outcomes associated with telehealth interventions. The most common of which were decrease in psychological stress (21/118 occurrences, 18%), increase in autonomy (18/118 occurrences, 15%), and increase in cognitive ability (11/118 occurrences, 9%). Some articles did not report medical outcomes (18/57, 32%) and some did not report barriers (19/57, 33%). CONCLUSIONS: The literature suggests that the elimination of barriers could increase the prevalence of telehealth use by older adults. By increasing use of telehealth, proximity to care is no longer an issue for access, and thereby care can reach populations with chronic conditions and mobility restrictions. Future research should be conducted on methods for personalizing telehealth in older adults before implementation. TRIAL REGISTRATION: PROSPERO CRD42020182162; https://www.crd.york.ac.uk/prospero/display_record.php?ID=CRD42020182162. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): RR2-10.2196/15490.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,115
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,115
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0080,009
Bibliométrie0,0110,013
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,072
Tête enseignante GPT0,401
Écart entre enseignants0,329 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations283
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical InformaticsMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207