The Ethical, Care, and Client-Caregiver Relationship Impacts Resulting From Introduction of Digital Communication and Surveillance Technologies in the Home Setting: Qualitative Inductive Study
Notice bibliographique
Résumé
BACKGROUND: Embedding communication and surveillance technology into the home health care setting has demonstrated the capacity for increased data efficiency, assumptions of convenience, and smart solutions to pressing problems such as caregiver shortages amid a rise in the aging population. The race to develop and implement these technologies within home care and public health nursing often leaves several ethical questions needing to be answered. OBJECTIVE: The aim of this study was to understand the ethical and care implications of implementing digital communication and surveillance technologies in the home setting as perceived by health caregivers practicing in the region of Halland in Sweden with clients receiving home care services. METHODS: A questionnaire was completed by 1260 home health caregivers and the written responses were evaluated by qualitative inductive content analysis. The researchers reviewed data independently and consensus was used to determine themes. RESULTS: This study identified three main themes that illustrate ethical issues and unintended effects as perceived by caregivers of introducing digital communication and surveillance technologies in the home: (1) digital dependence vulnerability, (2) moral distress, and (3) interruptions to caregiving. This study highlights the consequences of technology developers and health systems leaders unintentionally ignoring the perspectives of caregivers who practice the intuitive artistry of providing care to other humans. CONCLUSIONS: Beyond the obtrusiveness of devices and impersonal data collection designed to emphasize health care system priorities, this study discovered a multifaceted shadow side of unintended consequences that arise from misalignment between system priorities and caregiver expertise, resulting in ethical issues. To develop communication and surveillance technologies that meet the needs of all stakeholders, it is important to involve caregivers who work with clients in the development process of new health care technology to improve both the quality of life of clients and the services offered by caregivers.
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 | 0,003 |
| 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 | 0,000 | 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 ».