A Scenario-Based Study of Doctors and Patients on Video Conferencing Appointments from Home
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
Telemedicine systems that involve the use of video conferencing technologies have been available for more than three decades. Yet, they have primarily been used for specialist appointments or within health care facilities. We are now seeing a shift with the proliferation of commercial technologies, such as smartphone apps that allow people to have appointments with a general practitioner from nearly any location for various reasons. Telemedicine has also seen an uptake due to the COVID-19 pandemic. However, little is known about how doctors and patients perceive smartphone-based telemedicine systems, what types of medical ailments are best suited for these systems, what sociotechnical challenges might emerge through their usage, and how systems should be designed to best meet the needs of both doctors and patients. Thus, we applied a scenario-based design method by presenting a set of medical situations to both general practitioners and patients, and conducted contextual interviews with them to investigate their thoughts on video-based appointments for a range of medical situations. Results show that video consultations using smartphone apps could raise challenges in delivering appropriate care and utilization, conducting camera work to assist different types of examinations, supporting doctor–patient relationship creation and maintenance, allowing doctors to maintain control over the appointment, as well as protecting patients’ and doctors’ privacy. This suggests the need to create designs that can support particular workflows, relationship building, safety and privacy protection, and camera work for varying contexts.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,001 | 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