Implementation Science Perspectives on Implementing Telemedicine Interventions for Hypertension or Diabetes Management: Scoping Review (Preprint)
Notice bibliographique
Résumé
BACKGROUND Hypertension and diabetes are becoming increasingly prevalent worldwide. Telemedicine is an accessible and cost-effective means of supporting hypertension and diabetes management, especially as the COVID-19 pandemic has accelerated the adoption of technological solutions for care. However, to date, no review has examined the contextual factors that influence the implementation of telemedicine interventions for hypertension or diabetes worldwide. OBJECTIVE We adopted a comprehensive implementation research perspective to synthesize the barriers to and facilitators of implementing telemedicine interventions for the management of hypertension, diabetes, or both. METHODS We performed a scoping review involving searches in Ovid MEDLINE, Embase, CINAHL, Cochrane Library, Web of Science, and Google Scholar to identify studies published in English from 2017 to 2022 describing barriers and facilitators related to the implementation of telemedicine interventions for hypertension and diabetes management. The coding and synthesis of barriers and facilitators were guided by the Consolidated Framework for Implementation Research. RESULTS Of the 17,687 records identified, 35 (0.2%) studies were included in our scoping review. We found that facilitators of and barriers to implementation were dispersed across the constructs of the Consolidated Framework for Implementation Research. Barriers related to cost, patient needs and resources (eg, lack of consideration of language needs, culture, and rural residency), and personal attributes of patients (eg, demographics and priorities) were the most common. Facilitators related to the design and packaging of the intervention (eg, user-friendliness), patient needs and resources (eg, personalized information that leveraged existing strengths), implementation climate (eg, intervention embedded into existing infrastructure), knowledge of and beliefs about the intervention (eg, convenience of telemedicine), and other personal attributes (eg, technical literacy) were the most common. CONCLUSIONS Our findings suggest that the successful implementation of telemedicine interventions for hypertension and diabetes requires comprehensive efforts at the planning, execution, engagement, and reflection and evaluation stages of intervention implementation to address challenges at the individual, interpersonal, organizational, and environmental levels.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | high |
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 | 0,205 | 0,419 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,020 | 0,025 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,017 | 0,016 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,008 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».