A maturity model framework for integrated virtual care
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
Purpose Remote patient monitoring (RPM) and virtual visits have the potential to transform care delivery and outcomes but require intentional planning around how these technologies contribute to integrated care. Since maturity models are useful frameworks for understanding current performance and motivating progress, the authors developed a model describing the features of RPM that can advance integrated care. Design/methodology/approach This work was led by St. Joseph's Health System Centre for Integrated Care in collaboration with clinical and programme leads and frontline staff offering RPM services as part of Connected Health Hamilton in Ontario, Canada. Development of the maturity model was informed by a review of existing telehealth maturity models, online stakeholder meetings, and online interviews with clinical leads, programme leads, and staff. Findings The maturity model comprises 4 maturity levels and 17 sub-domains organised into 5 domains: Technology, Team Organisation, Programme Support, Integrated Information Systems, and Performance and Quality. An implementation pillars checklist identifies additional considerations for sustaining programmes at any maturity level. Finally, the authors apply one of Connected Health Hamilton's RPM programmes to the Team Organisation domain as an example of the maturity model in action. Originality/value This work extends previous telehealth maturity models by focussing on the arrangement of resources, teams, and processes needed to support the delivery of integrated care. Although the model is inspired by local programmes, the model is highly transferable to other RPM programmes.
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 | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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