Patients’ E-Readiness to use E-Health technologies for oral health
Notice bibliographique
Résumé
INTRODUCTION: Scientific evidence highlights the importance of E-Readiness in the adoption and implementation of E-Oral Health technologies. However, to our knowledge, there is no study investigating the perspective of patients in this regard. Therefore, the objective of this study was to explore patients' E-Readiness in the field of dentistry. MATERIALS AND METHODS: A qualitative study was conducted using interpretive descriptive methodology. Purposeful sampling with maximum variation and snowball techniques were used to recruit the study participants via McGill University dental clinics and affiliated hospitals, as well as private or public dental care organizations. A total of 15 face-to-face, semi-structured and 60 to 90-minute audio recorded interviews were conducted. Data collection and analyses were performed concurrently, and interviews were continued until saturation was reached. Activity theory was used as the conceptual framework, and thematic analysis was used to analyze data. Data analysis was conducted both manually and with the use of "ATLAS-ti" software. RESULTS: Four major themes emerged from the study; unlocking barriers, E-Oral Health awareness, inquisitiveness for E-Oral Health technology and enduring oral health benefits. These themes correspond with all three types of readiness (core, engagement and structural). CONCLUSION: The study results suggest that dental patients consider E-Oral Health as a facilitator to access to care, and they are ready to learn and use E-Oral Health technology. There is a need to implement and support E-Oral Health technologies to improve patient care.
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 | 0,006 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».