Review of patients’ perspectives of m-health adoption factors in the developing world. Development of a proposed conceptual framework
Notice bibliographique
Résumé
Patient perceptions and experiences of mobile health (m-health) systems have been recognised as an important element to consider in the adoption of m-health based technologies. Though much research supports this, published studies that identify m-health use by patients appear to highlight these issues in an indirect rather than a holistic manner. Consequently, there is no encompassing framework that serves as a guide for effective implementation and maximum adoption of m-health from the perspective of patients in the developing world. This review identifies patient adoption issues specifically and uses these to develop a framework of patient adoption issues for m-health in the developing world. A structured literature search was conducted using PubMed and Scopus. For PubMed, a consolidated search string combined ‘MeSH’ terms and ‘All Fields’ terms for selected keywords. For Scopus, an equally consolidated search string was used. The searches were restricted to articles in English during the period January 1, 2000 to 31 December2019 and relevant to the developing world. Duplicate articles were removed. Titles and abstracts were screened by all authors for inclusion, and those studies that met the inclusion criteria were selected for full-text review. Review and data abstraction was performed by two authors. Fifty-four (54) articles reported factors that impact patient adoption. Initial review and data abstraction identified 22 categories that promote or impede m-health adoption by patients in the developing world. Continued iterative review reduced these to 7 primary categories, with 20 subcategories, which were used to design the proposed framework. The review showed: great inconsistency in the approach and tools used in published studies; multiple factors impact patient adoption of m-health in the developing world; the specific factors vary from setting to setting and by recency of findings. Successful adoption of m-health by patients in the developing world critically depends on addressing the factors identified in the proposed framework and assessing them prior to the implementation of m-health initiatives in any specific setting. The proposed framework will serve to increase the consistency of patient adoption studies and provide the foundation for greater success of future m-health implementations for patients in the developing world.
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 | 0,014 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,012 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».