Empowering health care consumers in the era of Internet of Things
Notice bibliographique
Résumé
Abstract The Internet of Things (IoT) is emerging as a significant development in information technology that aims to link the digital world with the real world to improve human life. IoT refers to digital tools collecting data and providing hyper‐personalized information to its users. With the rapid integration of the IoT in the healthcare sector (HIoT), it has been presumed that HIoT devices have an empowering effect on patients; however, this has yet to be investigated. Furthermore, the literature reveals a lack of consistency regarding the definition of patient empowerment. This study aims to fill these gaps and investigates whether HIoT systems increase user empowerment for individuals suffering from chronic illnesses. It also examines how empowerment is defined for HIoT users. To answer these two research questions, we conducted a qualitative research study consisting of 20 semi‐structured, in‐depth interviews carried out with individuals suffering from Type 1 diabetes (T1D). The interviews were transcribed and content analysis was conducted on the data. The study enabled us to examine whether and how the HIoT triggered empowerment for patients suffering from T1D. Findings reveal four main dimensions of empowerment for HIoT users: (1) self‐efficacy, (2) patient control, (3) knowledge development and (4) participation in the decision‐making process along with the doctor. Results also highlight that participants feel empowered by personal acceptance of living with their health condition and social support. In addition, the analysis led to the identification of the barriers which need to be overcome to ensure that HloT systems improve patient empowerment.
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 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 | 0,002 | 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».