Scoping review of telehealth use by Indigenous populations from Australia, Canada, New Zealand, and the United States
Notice bibliographique
Résumé
INTRODUCTION: Telehealth has the potential to address health disparities experienced by Indigenous people, especially in remote areas. This scoping review aims to map and characterize the existing evidence on telehealth use by Indigenous people and explore the key concepts for effective use, cultural safety, and building therapeutic relationships. METHODS: A search for published and gray literature, written in English, and published between 2000 and 2022 was completed in 17 electronic databases. Two reviewers independently screened retrieved records for eligibility. For included articles, data were extracted, categorized, and analyzed. Synthesis of findings was performed narratively. RESULTS: A total of 321 studies were included. The most popular type of telehealth used was mHealth (44%), and the most common health focuses of the telehealth interventions were mental health (26%) and diabetes/diabetic retinopathy (13%). Frequently described barriers to effective telehealth use included concerns about privacy/confidentiality and limited internet availability; meanwhile, telehealth-usage facilitators included cultural relevance and community engagement. Although working in collaboration with Indigenous communities was the most frequently reported way to achieve cultural safety, 40% of the studies did not report Indigenous involvement. Finally, difficulty to establish trusting therapeutic relationships was a major concern raised about telehealth, and evidence suggests that having the first visit-in-person is a potential way to address this issue. CONCLUSION: This comprehensive review identified critical factors to guide the development of culturally-informed telehealth services to meet the needs of Indigenous people and to achieve equitable access and positive health outcomes.
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 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 | 0,024 | 0,089 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,024 | 0,029 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».