Key informant perceptions of challenges and facilitators to implementing passive remote monitoring technology for home care clients
Notice bibliographique
Résumé
Background: Passive remote monitoring technologies (RMT) are an option that could keep frail older adults home longer while reducing care burdens on family/friend caregivers.In contrast to active RMT which requires an individual to engage with the technology (i.e., push a button), passive RMT does not require any action to function (i.e., sensors or cameras).Objective: This qualitative study explored the challenges and facilitators of implementing passive RMT in home care settings by applying an implementation science lens.Method: Twenty semi-structured interviews were conducted with key informant stakeholders.Data were coded using a Framework Analysis approach that inductively and deductively coded transcripts.The analysis applied deductive codes based on the implementation science framework, the Consolidated Framework for Implementation Research (CFIR).Inductive coding ensured that the participants' perspectives were represented.Results: Although participants perceived passive RMT was beneficial, there were health system policies that made it hard for practitioners to share information on passive RMT with home care clients; thus, home care clients and their caregivers, who may not have the digital literacy to determine which RMT are suitable for the situation, were tasked with determining which RMT was suitable.Conclusion: Applying an implementation science lens helped identify what institutional barriers need to be addressed to integrate passive RMT into home care for older adults.The findings highlight the need to educate practitioners and policymakers on when passive RMT is appropriate for home care clients.Disseminating information on passive RMT to older adults and their families could increase their awareness and facilitate decision-making.
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 | 0,016 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».