MétaCan
Menu
Retour à la cohorte
Enregistrement W3213759232 · doi:10.2196/33819

Digital Health Paradox: International Policy Perspectives to Address Increased Health Inequalities for People Living With Disabilities

2021· article· en· W3213759232 sur OpenAlexaboutno aff
Robin van Kessel, Rok Hrzic, Ella O’Nuallain, Elizabeth Weir, Brian Li Han Wong, Michael Anderson, Simon Baron‐Cohen, Elías Mossialos

Notice bibliographique

RevueJournal of Medical Internet Research · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesNIHR Cambridge Biomedical Research CentreWorld Health OrganizationEuropean CommissionRosetrees TrustDepartment of Health and Social CareNational Institute for Health and Care ResearchWellcome TrustSimons Foundation Autism Research InitiativeMedical Research CouncilEuropean Federation of Pharmaceutical Industries and AssociationsInnovative Medicines InitiativeSimons Foundation
Mots-clésDigital healthHealth equityDigital divideHealth policyInequalityEquity (law)Public relationsPolitical scienceEconomic growthHealth careInformation and Communications TechnologyEconomics

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic accelerated the uptake of digital health worldwide and highlighted many benefits of these innovations. However, it also stressed the magnitude of inequalities regarding accessing digital health. Using a scoping review, this article explores the potential benefits of digital technologies for the global population, with particular reference to people living with disabilities, using the autism community as a case study. We ultimately explore policies in Sweden, Australia, Canada, Estonia, the United Kingdom, and the United States to learn how policies can lay an inclusive foundation for digital health systems. We conclude that digital health ecosystems should be designed with health equity at the forefront to avoid deepening existing health inequalities. We call for a more sophisticated understanding of digital health literacy to better assess the readiness to adopt digital health innovations. Finally, people living with disabilities should be positioned at the center of digital health policy and innovations to ensure they are not left behind.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,020
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,512
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,116
Tête enseignante GPT0,510
Écart entre enseignants0,394 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations133
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical Internet ResearchMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207