Challenges of Telemedicine during the COVID-19 pandemic: a systematic review
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has prompted the decrease of in-person visits to reduce the risk of virus transmission. Telemedicine is an efficient communication tool employed between healthcare providers and patients that prevents the risk of exposure to infected persons. However, telemedicine use is not infallible; its users reported multiple issues that complicated the expansion of this technology. So, this systematic review aimed to explore the barriers and challenges of telemedicine use during the pandemic and to propose solutions for improving future use. METHODS: A systematic review was conducted following PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analysis) statement. PubMed, Scopus, Web of Science, Academic Search Complete, CINAHL, Embase, and Science Direct were used to look for articles addressing barriers and challenges, in addition to articles proposing solutions. Studies were screened by title and abstract, followed by a full-text review. Risk of bias assessment was done using Critical Appraisal Skills Program for qualitative studies, Newcastle-Ottawa Scale for cross-sectional studies, and A MeaSurement Tool to Assess Systematic Reviews for systematic reviews. After the extraction of data, a narrative synthesis and analysis of the outcomes were performed. RESULTS: Among 1194 papers identified, only 27 studies were included. Barriers and challenges were assembled under 7 categories: technical aspects, privacy, data confidentiality and reimbursement, physical examination and diagnostics, special populations, training of healthcare providers and patients, doctor-patient relationship, and acceptability. Poor internet connection and lack of universal access to technology were among the technical barriers. Concerns about patient privacy and reimbursement hindered the use of telemedicine too. Physical examination and certain procedures were impossible to perform via telemedicine. Training both healthcare providers and patients was deficient. The doctor-patient relationship was troubled by telemedicine, and both healthcare providers and patients were reluctant to use telemedicine. CONCLUSION: Widespread use of telemedicine is still hampered by various barriers and challenges. Healthcare providers should work with various stakeholders to implement the proposed solutions. More research and policy changes are essential to optimize telemedicine utilization.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,009 |
| Bibliométrie | 0,012 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».