MétaCan
Menu
Retour à la cohorte
Enregistrement W4282002242 · doi:10.2196/37591

Synchronous Teleconsultation and Monitoring Service Targeting COVID-19: Leveraging Insights for Postpandemic Health Care

2022· article· en· W4282002242 sur OpenAlexvenueno aff
Milena Soriano Marcolino, Clara Sousa Diniz, Bruno Azevedo Chagas, Mayara Santos Mendes, Raquel Oliveira Prates, Adriana Silvina Pagano, Thiago Castro Ferreira, Maria Beatriz Moreira Alkmim, Clara Rodrigues Alves de Oliveira, Isabela Nascimento Borges, Magda César Raposo, Zilma Silveira Nogueira Reis, Maria Cristina Paixão, Leonardo Bonisson Ribeiro, Gustavo Machado Rocha, Clareci Silva Cardoso, Antônio Luiz Pinho Ribeiro

Notice bibliographique

RevueJMIR Medical Informatics · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoFundação de Amparo à Pesquisa do Estado de Minas GeraisMinisterio de Economía y CompetitividadUniversidade Federal de Minas GeraisMinistério da EducaçãoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésUsabilityLikert scaleSystem usability scaleHealth careTelemedicineCoronavirus disease 2019 (COVID-19)ChatbotService (business)PandemicNursingMedicineMedical educationMedical emergencyPsychologyWorld Wide WebBusinessWeb usabilityComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although a great number of teleconsultation services have been developed during the COVID-19 pandemic, studies assessing usability and health care provider satisfaction are still incipient. OBJECTIVE: This study aimed to describe the development, implementation, and expansion of a synchronous teleconsultation service targeting patients with symptoms of COVID-19 in Brazil, as well as to assess its usability and health care professionals' satisfaction. METHODS: This mixed methods study was developed in 5 phases: (1) the identification of components, technical and functional requirements, and system architecture; (2) system and user interface development and validation; (3) pilot-testing in the city of Divinópolis; (4) expansion in the cities of Divinópolis, Teófilo Otoni, and Belo Horizonte for Universidade Federal de Minas Gerais faculty and students; and (5) usability and satisfaction assessment, using Likert-scale and open-ended questions. RESULTS: During pilot development, problems contacting users were solved by introducing standardized SMS text messages, which were sent to users to obtain their feedback and keep track of them. Until April 2022, the expanded system served 31,966 patients in 146,158 teleconsultations. Teleconsultations were initiated through chatbot in 27.7% (40,486/146,158) of cases. Teleconsultation efficiency per city was 93.7% (13,317/14,212) in Teófilo Otoni, 92.4% (11,747/12,713) in Divinópolis, and 98.8% (4981/5041) in Belo Horizonte (university campus), thus avoiding in-person assistance for a great majority of patients. In total, 50 (83%) out of 60 health care professionals assessed the system's usability as satisfactory, despite a few system instability problems. CONCLUSIONS: The system provided updated information about COVID-19 and enabled remote care for thousands of patients, which evidenced the critical role of telemedicine in expanding emergency services capacity during the pandemic. The dynamic nature of the current pandemic required fast planning, implementation, development, and updates in the system. Usability and satisfaction assessment was key to identifying areas for improvement. The experience reported here is expected to inform telemedicine strategies to be implemented in a postpandemic scenario.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,337
Score d'incertitude au seuil0,579

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,033
Tête enseignante GPT0,379
Écart entre enseignants0,346 · 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

Citations21
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical InformaticsMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207