The use of eHealth interventions among persons experiencing homelessness: A systematic review
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
OBJECTIVE: eHealth interventions are being developed to meet the needs of diverse populations. Despite these advancements, little is known about how these interventions are used to improve the health of persons experiencing homelessness. The aim of this systematic review was to examine the feasibility, effectiveness, and experience of eHealth interventions for the homeless population. METHODS: Following PRISMA guidelines, a systematic search of PsycINFO, PubMed, Web of Science, and Google Scholar was conducted along with forward and backward citation searching to identify relevant articles. RESULTS: Eight articles met eligibility criteria. All articles were pilot or feasibility studies that used modalities, including short message service, mobile apps, computers, email, and websites, to deliver the interventions. The accessibility, flexibility, and convenience of the interventions were valued by participants. However, phone retention, limited adaptability, a high level of human involvement, and preference for in-person communication may pose future implementation challenges. CONCLUSIONS: eHealth interventions are promising digital tools that have the potential to improve access to care and service delivery. eHealth interventions are feasible and usable for persons experiencing homelessness. These interventions may have health benefits by augmenting existing services and if implementation challenges are addressed. Further evaluation of the effectiveness of eHealth interventions is needed before widespread implementation. Those with lived experience should also be engaged in developing and evaluating these interventions.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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