Virtual Care With Digital Technologies for Rural Canadians Living With Cardiovascular Disease
Notice bibliographique
Résumé
Canada is a wealthy nation with a geographically diverse population, seeking health innovations to better serve patients in accordance with the Canada Health Act. In this country, population and geography converge with social determinants, policy, procurement regulations, and technological advances with the goal to achieve equity in the management and distribution of health care. Rural and remote patients are a vulnerable population; when managing chronic conditions like cardiovascular disease, there is currently inequity to accessing specialist physicians at the recommended frequency-increasing the likelihood of poor health outcomes. Ensuring equitable care for this population is an unrealized priority of several provincial and federal government mandates. Virtual care technology might provide practical, economical, and innovative solutions to remedy this discrepancy. We conducted a scoping review of the literature pertaining to the use of virtual care technologies to monitor patients living in rural areas of Canada with cardiovascular disease. A search strategy was developed to identify the literature specific to this context across 3 bibliographic databases. Two hundred thirty-two unique citations were ultimately assessed for eligibility, of which 37 met the inclusion criteria. In our assessment of these articles, we provide a summary of the interventions studied, their reported effectiveness in reducing adverse events and mortality, the challenges to implementation, and the receptivity of these technologies among patients, providers, and policy-makers. Furthermore, we glean insight into the barriers and opportunities to ensure equitable care for rural patients and conclude that there is an ongoing need for clinical trials on virtual care technologies in this context.
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 | 0,008 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,014 | 0,022 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 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 ».