Remote Monitoring of Cardiovascular Implantable Electronic Devices in Canada: Survey of Patients and Device Health Care Professionals
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Remote monitoring is used to supplement in-clinic follow-up for patients with cardiac implantable electronic devices (CIEDs) every 6-12 months. There is a need to optimize remote management for CIEDs because of the consistent increases in CIED implants over the past decade. The objective of this study was to investigate real and perceived barriers to the use of remote patient management strategies in Canada and to better understand how remote models of care can be optimized. METHODS: We surveyed 512 CIED patients and practitioners in 22 device clinics in Canada. RESULTS: Device clinic surveys highlighted significant variation and inconsistency in follow-up care for in-clinic and remote visits across and within clinics. This survey showed that funding policies and management of additional workflow are barriers to optimal use and uptake. Despite this, device clinics perceive remote follow-up as a valuable resource and an efficient way to manage patient follow-up. Patients were broadly satisfied with their CIED follow-up care but identified barriers related to coordination of care, visit logistics, and information needs. Views varied as a function of clinical or sociodemographic characteristics. Most patients (n = 228; 91%) expressed a desire to receive a phone call from their device clinic after a remote transmission has been received. CONCLUSIONS: Lack of a unified, guideline-supported approach to follow-up after CIED implant, and discrepant funding policies across jurisdictions, are significant barriers to the use of remote patient management strategies in Canada. Efforts to increase or expand use of remote follow-up must recognize these barriers and the needs of specific subgroups of patients.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 découle