Supporting the use of patient portals in mental health settings: a scoping review
Notice bibliographique
Résumé
With the increased use of patient portals in acute and chronic care settings as a strategy to support patient care and improve patient-centric care, there is still little known about the impact of patient portals in mental health contexts. The purposes of this review were to: 1) identify the critical success factors for successful patient portal implementation and adoption among end-users that could be utilized in a mental health setting; 2) uncover what we know about existing mental health portals and their effectiveness for end-users; and 3) determine what indicators are being used to evaluate existing patient portals for end-users that may be applied in a mental health context. This scoping review was conducted through a search of six electronic databases including Medline, EMBASE, PsycINFO, and CINAHL for articles published between 2007 and 2021. A total of 31 articles were included in the review. Critical success factors of patient portal implementation included those related to education, usefulness, usability, culture, and resources. Only two patient portals had articles published related to their effectiveness for end-users (one in Canada and the other in the United States). More than 100 measures of process (n = 73) and outcome (n = 59) indicators were extracted from the studies and mapped to the Benefits Evaluation Framework. Patient portals carry great potential to improve patient care, but more attention needs to be given to ensure they are being evaluated through the development and implementation phases with the end-users in mind. Further understanding of process indicators relating to use are essential for long-term patient adoption of portals to obtain their potential benefits.
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 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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».