Supporting the Implementation of Connected Care Technologies in the Veterans Health Administration: Cross-Sectional Survey Findings from the Veterans Engagement with Technology Collaborative (VET-C) Cohort
Notice bibliographique
Résumé
BACKGROUND: Widespread adoption, use, and integration of patient-facing technologies into the workflow of health care systems has been slow, thus limiting the realization of their potential. A growing body of work has focused on how best to promote adoption and use of these technologies and measure their impacts on processes of care and outcomes. This body of work currently suffers from limitations (eg, cross-sectional analyses, limited patient-generated data linked with clinical records) and would benefit from institutional infrastructure to enhance available data and integrate the voice of the patient into implementation and evaluation efforts. OBJECTIVE: The Veterans Health Administration (VHA) has launched an initiative called the Veterans Engagement with Technology Collaborative cohort to directly address these challenges. This paper reports the process by which the cohort was developed and describes the baseline data being collected from cohort members. The overarching goal of the Veterans Engagement with Technology Collaborative cohort is to directly engage veterans in the evaluation of new VHA patient-facing technologies and in so doing, to create new infrastructure to support related quality improvement and evaluation activities. METHODS: Inclusion criteria for veterans to be eligible for membership in the cohort included being an active user of VHA health care services, having a mobile phone, and being an established user of existing VHA patient-facing technologies as represented by use of the secure messaging feature of VHA's patient portal. Between 2017 and 2018, we recruited veterans who met these criteria and administered a survey to them over the telephone. RESULTS: The majority of participants (N=2727) were male (2268/2727, 83.2%), White (2226/2727, 81.6%), living in their own apartment or house (2519/2696, 93.4%), and had completed some college (1176/2701, 43.5%) or an advanced degree (1178/2701, 43.6%). Cohort members were 59.9 years old, on average. The majority self-reported their health status as being good (1055/2725, 38.7%) or very good (524/2725, 19.2%). Most cohort members owned a personal computer (2609/2725, 95.7%), tablet computer (1616/2716, 59.5%), and/or smartphone (2438/2722, 89.6%). CONCLUSIONS: The Veterans Engagement with Technology Collaborative cohort is an example of a VHA learning health care system initiative designed to support the data-driven implementation of patient-facing technologies into practice and measurement of their impacts. With this initiative, VHA is building capacity for future, rapid, rigorous evaluation and quality improvement efforts to enhance understanding of the adoption, use, and impact of patient-facing technologies.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».