MétaCan
Menu
Retour à la cohorte
Enregistrement W4306390974 · doi:10.1111/hex.13627

Community stakeholder‐driven technology solutions towards rural health equity: A concept mapping study in Western Canada

2022· article· en· W4306390974 sur OpenAlexafffundabout
Cherisse L. Seaton, Pierre Rondier, Kathy L. Rush, Eric Ping Hung Li, Katrina Plamondon, Barb Pesut, Nelly D. Oelke, Sarah Dow‐Fleisner, Khalad Hasan, Leanne M. Currie, Donna Kurtz, Charlotte Jones, Joan L. Bottorff

Notice bibliographique

RevueHealth Expectations · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesUniversity of British Columbia
Mots-clésHealth equityStakeholderEquity (law)Digital healthKnowledge managementPublic relationsHealth careCitizen journalismHealth technologyBusinessMarketingComputer sciencePolitical scienceEconomic growthEconomicsWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Technology holds great potential for promoting health equity for rural populations, who have more chronic illnesses than their urban counterparts but less access to services. Yet, more participatory research approaches are needed to gather community-driven health technology solutions. The purpose was to collaboratively identify and prioritize action strategies for using technology to promote rural health equity through community stakeholder engagement. METHODS: Concept mapping, a quantitative statistical technique, embedded within a qualitative approach, was used to identify and integrate technological solutions towards rural health equity from community stakeholders in three steps: (1) idea generation; (2) sorting and rating feasibility/importance and (3) group interpretation. Purposeful recruitment strategies were used to recruit key stakeholders and organizational representatives from targeted rural communities. RESULTS: Overall, 34 rural community stakeholders from western Canada (76% female, mean age = 55.4 years) participated in the concept mapping process. In Step 1, 84 ideas were generated that were reduced to a pool of 30. Multidimensional scaling and cluster analysis resulted in a six-cluster map representing how technological solutions can contribute toward rural health equity. The clusters of ideas included technological solutions and applications, but also ideas to make health care more accessible regardless of location, training and support in the use of technology, ensuring digital tools are simplified for ease of use, technologies to support collaboration among healthcare professionals and ideas for overcoming challenges to data sharing across health systems/networks. Each cluster included ideas that were rated as equally important and feasible. Key themes included organizational and individual-level solutions and connecting patients to newly developed technologies. CONCLUSIONS: Overall, the grouping of solutions revealed that technological applications require not only access but also support and collaboration. Concept mapping is a tool that can engage rural community stakeholders in the identification of technological solutions for promoting rural health equity. PATIENT OR PUBLIC CONTRIBUTION: Rural community stakeholders were involved in the generation and interpretation of technological solutions towards rural health equity in a three-step process: (1) individual brainstorming of ideas, (2) sorting and rating all ideas generated and (3) collective interpretation and group consensus on final results.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
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 enseignants0,319
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0140,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,729
Tête enseignante GPT0,627
Écart entre enseignants0,102 · 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.

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

Citations7
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealth ExpectationsMême sujetHealth Policy Implementation ScienceTravaux en français237 207