Facilitators and barriers to using telepresence robots in aged care settings: A scoping review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Social isolation has been a significant issue in aged care settings, particularly during the COVID-19 pandemic, and is associated with adverse outcomes, including loneliness, depression, and cognitive decline. While robotic assistance may help mitigate social isolation, it would be helpful to know how to adopt technology in aged care. This scoping review aims to explore facilitators and barriers to the implementation of telepresence robots in aged care settings. Following the Joanna Briggs Institute scoping review methodology and the PRISMA extension for scoping reviews reporting guidelines, we searched relevant peer-reviewed studies through eight databases: CINAHL, MEDLINE, Cochrane, PsychINFO (EBSCO), Web of Science, ProQuest Dissertations and Theses Global, IEEE Xplore, and ACM Digital Library. Google was used to search gray literature, including descriptive, evaluative, quantitative, and qualitative designs. Eligibility includes: studies with people aged 65 years and older who interacted with a telepresence robot in a care setting, and articles written in English. We conducted a thematic analysis to summarize the evidence based on the constructs in the Consolidated Framework of Implementation Research. Of 1183 articles retrieved, 13 were included in the final review. The analysis yielded three themes: relative advantages, perceived risks and problems, and contextual considerations. The key facilitators to telepresence robot adoption are as follows: a feeling of physical presence, ease of use, mobility, and training. The barriers to implementation are as follows: cost, privacy issues, internet connectivity, and workflow. Future research should investigate the role of leadership support in implementation and practical strategies to overcome barriers to technology adoption in aged care settings.
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.
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 | 0,001 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 découle