Barriers and facilitators to virtual education in cardiac rehabilitation: a systematic review of qualitative studies
Notice bibliographique
Résumé
BACKGROUND: Due to restrictions imposed by the severe acute respiratory syndrome coronavirus 2 pandemic much attention has been given to virtual education in cardiac rehabilitation (CR). Despite growing evidence that virtual education is effective in teaching patients how to better self-manage their conditions, there is very limited evidence on barriers and facilitators of CR patients in the virtual world. AIMS: To identify barriers and facilitators to virtual education participation and learning in CR. METHODS: A systematic review of peer-reviewed literature was conducted. Medline, Embase, Emcare, CINAHL, PubMed, and APA PsycInfo were searched from inception through April 2021. Following the PRISMA checklist, only qualitative studies were considered. Theoretical domains framework (TDF) was used to guide thematic analysis. The Critical Appraisal Skills Program was used to assess the quality of the studies. RESULTS: Out of 6662 initial citations, 12 qualitative studies were included (58% 'high' quality). A total of five major barriers and facilitators were identified under the determinants of TDF. The most common facilitator was accessibility, followed by empowerment, technology, and social support. Format of the delivered material was the most common barrier. Technology and social support also emerged as barriers. CONCLUSION: This is the first systematic review, to our knowledge, to provide a synthesis of qualitative studies that identify barriers and facilitators to virtual education in CR. Cardiac rehabilitation patients face multiple barriers to virtual education participation and learning. While 12 qualitative studies were found, future research should aim to identify these aspects in low-income countries, as well as during the pandemic, and methods of overcoming the barriers described.
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 | 0,020 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».