Implementation of telemedicine in the care of patients with aortic dissection
Notice bibliographique
Résumé
Telemedicine uses telephone-based or any form of digital communication for remote clinical services. It has been a field of interest for the last century, with broader implementation of telemedicine technologies during the last 25 years. The COVID-19 pandemic was an impetus for the adoption of these technologies globally across all health care services, including patient care, surgical practice, and workflow. As part of the patient engagement work in the Aortic Dissection Collaborative, this topic was identified as an important patient-centered research topic. Telemedicine has been adopted increasingly in vascular surgery; however, there is little evidence on appropriate use of these technologies pertaining to treating patients with aortic dissection or aortopathy in general. This landscape review summarizes the uses of telemedicine applications pre and post pandemic in medicine and vascular surgery, with a particular focus on uses in aortopathy. Using common resource databases, we identified articles related to the history of telemedicine, its current utilization, and application to vascular surgery and/or aortopathy. We briefly review the history of telemedicine and illustrate a range of applications in medicine before the pandemic, along with its rapid uptake globally during the COVID-19 pandemic. The enablers and barriers to using telemedicine are explored, although as a whole there is satisfaction with its integration among patients and providers. To address these, we offer recommendations to address future research as it pertains to telemedicine technologies in aortic dissection.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,000 |
| 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 ».