MétaCan
Menu
Retour à la cohorte
Enregistrement W4380081270 · doi:10.2196/46408

Supporting Collaboration in Rehabilitation Trajectories With Information and Communication Technologies: Scoping Review

2023· article· en· W4380081270 sur OpenAlexvenueno aff
Jo Inge Gåsvær, Randi Jepsen, Ilona Heldal, Tobba Therkildsen Sudmann

Notice bibliographique

RevueJMIR Rehabilitation and Assistive Technologies · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesHøgskulen på Vestlandet
Mots-clésRehabilitationComputer scienceKnowledge managementPhysical medicine and rehabilitationHuman–computer interactionMedicinePhysical therapy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Despite a surge in health information and communication technology (ICT), there is little evidence of lowered cost or increased quality of care. ICT may support patients, health care providers, and other stakeholders through complex rehabilitation trajectories by offering digital platforms for collaboration, shared decision-making, and safe storage of data. Yet, the questions on how ICT can become a useful tool and how the complex intersection between producers and users of ICT should be solved are challenging. OBJECTIVE: This study aims to review the literature on how ICTs are used to foster collaboration among the patient, the provider, and other stakeholders. METHODS: This scoping review follows the PRISMA-ScR (Preferred Reporting Items for Systematic Reviews and Meta-Analyses Extension for Scoping Reviews) guidelines. Studies were identified by searching MEDLINE (OVID), Embase (OVID), CINAHL (EBSCOhost), AMED (EBSCOhost), and Scopus. Unpublished studies were extracted from OAIster, Bielefeld Academic Search Engine, ProQuest Dissertations and Theses, NARIC, and Google Scholar. Eligible papers addressed or described a remote dialogue between stakeholders using ICT to address goals and means, provide decision support, or evaluate certain treatment modalities within a rehabilitation context. Due to the rapid development of ICTs, searches included studies published in the period of 2018-2022. RESULTS: In total, 3206 papers (excluding duplicates) were screened. Three papers met all inclusion criteria. The papers varied in design, key findings, and key challenges. These 3 studies reported outcomes such as improvements in activity performance, participation, frequency of leaving the house, improved self-efficacy, change in patients' perspective on possibilities, and change in professionals' understanding of patients' priorities. However, a misfit between the participants' needs and the technology offered, complexity and lack of availability of the technology, difficulties with implementation and uptake, and lack of flexibility in setup and maintenance reduced the value of ICT for those involved in the studies. The low number of included papers is probably due to the complexity of remote collaboration with ICT. CONCLUSIONS: ICT has the potential to facilitate communication among stakeholders in the complex and collaborative context of rehabilitation trajectories. This scoping review indicates that there is a paucity of research considering remote ICT-supported collaboration in health care and rehabilitation trajectories. Furthermore, current ICT builds on eHealth literacy, which may differ among stakeholders, and the lack of sufficient eHealth literacy and ICT knowledge creates barriers for access to health care and rehabilitation. Lastly, the aim and results of this review are probably most relevant in high-income countries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,032
score de la tête « metaresearch » (Gemma)0,143
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,168

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,143
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0090,011
Bibliométrie0,0280,027
Études des sciences et des technologies0,0020,002
Communication savante0,0090,008
Science ouverte0,0040,005
Intégrité de la recherche0,0060,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,342
Écart entre enseignants0,329 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Rehabilitation and Assistive TechnologiesMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207