A new approach to digital health? Virtual COVID-19 care: A scoping review
Notice bibliographique
Résumé
Aims: The use of virtual care enabled by digital technologies has increased, prompted by public health restrictions in response to COVID-19. Non-hospitalized persons in the acute phase of COVID-19 illness may have unique health needs while self-isolating in the community. This scoping review aimed to explore the nature of care, the use of digital technologies, and patient outcomes arising from virtual care among community-based self-isolating COVID-19 patients. Methods: Literature searches for peer-reviewed articles were conducted in four bibliographic databases: CINAHL, Medline, Embase and Cochrane Database of Systematic Reviews between January and February 2022, followed by hand-searching reference lists of included articles. Two levels of screening using defined eligibility criteria among two independent reviewers were completed. Results: Of the 773 articles retrieved, 19 were included. Results indicate that virtual care can be safe while enabling timely detection of clinical deterioration to improve the illness trajectory. COVID-19 virtual care was delivered by single health professionals or by multidisciplinary teams using a range of low-technology methods such as telephone to higher technology methods like wearable technology that transmitted physiological data to the care teams for real-time or asynchronous monitoring. Conclusion: The review described the varied nature of virtual care including its design, implementation, and evaluation. Further research is needed for continued exploration on how to leverage digital health assets for the delivery of appropriate and safe virtual COVID-19 community care, which can support patient recovery, control transmission, and prevent intensifying the burden on the health care system, especially during surges.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
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 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 ».