MétaCan
Menu
Retour à la cohorte
Enregistrement W3087508482 · doi:10.1093/jamia/ocaa185

Virtual care: a ‘Zoombie’ apocalypse?

2020· article· en· W3087508482 sur OpenAlexaff
Aviv Shachak, Maria Alcocer Alkureishi

Notice bibliographique

RevueJournal of the American Medical Informatics Association · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTelehealthDistractionTelepsychiatryPerspective (graphical)MedicineTelemedicineCompassionHealth careMedical emergencyInternet privacyNursingPsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

In the wake of COVID-19, clinicians took to telehealth to continue providing services to their patients, mostly via telephone or videoconferencing technology. Telehealth has many promised and proven benefits including convenience to the patient, potentially less distraction from the electronic health record (EHR), saves in travel time and expenses, and lowering patients' wait time in the clinic. However, there could be some unintended negative consequences including increased clinician burnout due to screen fatigue, potential loss of information due to the limitations of the medium, difficulty discussing sensitive issues and impacts on patient-clinician relationship, empathy, and compassion. In this perspective, we discuss some of the positives and potential negatives of telehealth and highlight some considerations that could guide the choice of media. We submit that for telehealth to become a sustainable solution that is widely applied, it is important to take these issues into consideration in both research and implementation of telehealth solutions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,387
Score d'incertitude au seuil0,481

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,319
Écart entre enseignants0,305 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations29
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Medical Informatics AssociationMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207