MétaCan
Menu
Retour à la cohorte
Enregistrement W4238775253 · doi:10.5430/jha.v6n2p40

Telemedicine: New horizons in healthcare

2017· article· en· W4238775253 sur OpenAlexvenueno aff
Amir Radfar, Carol Lynn Chevalier, Nicole C. Rouse, Diana Patriche, Irina Filip

Notice bibliographique

RevueJournal of Hospital Administration · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTelemedicineHealth careMedicineWork (physics)Population ageingPopulationMedical emergencyEngineering

Résumé

récupéré en direct d'OpenAlex

Objective: Telemedicine allows physicians to provide medical care remotely through audiovisual technology. Telemedicine may address many challenges facing our society: an aging population, chronic disease management, and healthcare cost. With this work, we attempt to evaluate how telemedicine can effect a change in these challenges, and evaluate what obstacles prevent some providers from using it.Methods: In this work, the cost-effectiveness, success of telemedicine care, usefulness in reaching developing and underdeveloped areas, difficulties preventing the use of telemedicine, and proposals to overcome these challenges were reviewed and analyzed.Results: Cost of telemedicine was reported 19% less expensive than traditional face-to-face care. In several studies, telemedicine was documented to have had equal or better outcomes for obstructive sleep apnea, geriatrics, heart failure, preventative medicine, and patient compliance. Difficulties in using telemedicine include affordability of equipment, lack of technical support in developing or underdeveloped areas, legality of licensure and patient privacy and satisfaction.Conclusions: Although cost savings and convenience are major advantages of this technology, concerns with delivery barriers and challenges require cautious embracement of telemedicine. A great deal of research is needed to show that telemedicine improves patient centered outcomes.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,117
Score d'incertitude au seuil0,351

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,030
Tête enseignante GPT0,379
Écart entre enseignants0,349 · 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'étudeObservationnel
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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Hospital AdministrationMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207