A Telehealth and Telepsychiatry Economic Cost Analysis Framework: Scoping Review
Notice bibliographique
Résumé
Introduction: Despite a good evidence base for telepsychiatry (TP), economic cost analyses are infrequent and vary in quality. Methods: A scoping review was conducted based on the research question, “From the perspective of an economic cost analysis for telehealth and telepsychiatry, what are the most meaningful ways to ensure a study/intervention improved clinical care, provided value to participants, had population level impact, and is sustainable?” The search in seven databases focused on keywords in four concept areas: (1) economic cost analysis, (2) evaluation, (3) telehealth and telepsychiatry, and (4) quantifiable health status outcomes. The authors reviewed the full-text articles based on the inclusion (Medical Subject Headings [MeSH] of the keywords) and exclusion criteria. Results: Of a total of 2,585 potential references, a total of 99 articles met the inclusion criteria. The evaluation of telehealth and TP has focused on access, quality, patient outcomes, feasibility, effectiveness, outcomes, and cost. Cost-effectiveness, cost–benefit, and other analytic models are more common with telehealth than TP studies, and these studies show favorable clinical, quality of life, and economic impact. A standard framework for economic cost analysis should include: an economist for planning, implementation, and evaluation; a tool kit or guideline; comprehensive analysis (e.g., cost-effectiveness or cost–benefit) with an incremental cost-effectiveness ratio; measures for health, quality of life, and utility outcomes for populations; methods to convert outcomes into economic benefits (e.g., monetary, quality of adjusted life year); broad perspective (e.g., societal perspective); sensitivity analysis for uncertainty in modeling; and adjustments for differential timing (e.g., discounting and future costs). Conclusions: Technology assessment and economic cost analysis—such as effectiveness and implementation science approaches—contribute to clinical, training, research, and other organizational missions. More research is needed with a framework that enables comparisons across studies and meta-analyses.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 ».