MétaCan
Menu
Retour à la cohorte
Enregistrement W4205259624 · doi:10.2196/30755

Implementation and Experiences of Telehealth: Balancing Policies With Practice in Countries of South Asia, Kuwait, and the European Union

2021· article· en· W4205259624 sur OpenAlexvenueno aff
Oommen John, Suptendra Nath Sarbadhikari, Thanga Prabhu, Ashvini Goel, Alexander Thomas, Sunil Shroff, Fazilah Allaudin, Chaminda Weerabaddana, Dari Alhuwail, Udaya Koirala, Jayalal Johnrose, Patricia Codyre, Andy Bleaden, Shubnum Singh, Shuchin Bajaj

Notice bibliographique

RevueInteractive Journal of Medical Research · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesWorld Health Organization
Mots-clésTelehealthConfidentialityGovernment (linguistics)Psychological interventionPublic relationsEuropean unionBusinessPolitical scienceScale (ratio)Economic growthHealth careMedicineTelemedicineNursingEconomicsInternational trade

Résumé

récupéré en direct d'OpenAlex

This viewpoint summarizes the discussion that occurred during the "Translating Policy to Practice in Telehealth-Lessons from Global Implementation Experiences" panel that was held virtually at Telemedicon2020, December 18-20, 2020. This panel brought together policy and implementation experts from some countries of South Asia, Kuwait, and the European Union to share their experiences in the development and implementation of telehealth standards and of the scale up of telehealth interventions within health systems. Several common themes arose from the discussion, including the significant role of people; encouragement by respective government policymakers; addressing concerns, particularly related to privacy, confidentiality, and security; and capacity building of human resources. These are discussed in turn, along with the future directions identified by the panelists, which emphasized the need for active encouragement toward the adoption and diffusion of digital health in general and of telehealth in particular. All stakeholders, ranging from governmental policymakers to common citizens, need to come together to build trusting partnerships to realize the advantages offered by telehealth.

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)0,012
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,284
Score d'incertitude au seuil0,714

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,048
Tête enseignante GPT0,486
Écart entre enseignants0,438 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInteractive Journal of Medical ResearchMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207