Factors influencing older adults' participation in telehealth interventions for primary prevention and health promotion: A rapid review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To identify facilitators and barriers to older adults' participation in telehealth interventions for primary prevention and health promotion. METHODS: Relevant articles were searched using keywords in Embase and MEDLINE. Study characteristics, type of telehealth interventions and technology involved, as well as facilitators and barriers to their use, were extracted from selected articles. The Unified Theory of Acceptance and Use of Technology 2 (UTAUT2) model was used to organise data. RESULTS: A total of 24 articles (pertaining to 20 studies) were included. Nine facilitators and 11 barriers influencing the participation in telehealth interventions for primary prevention and health promotion among older adults were identified. The most recurrent facilitators were related to the individual's performance expectancy and effort expectancy, as well as the presence of a social dimension associated with the intervention (i.e. having a good relationship with the other participants in the program). The two most prevalent barriers were also related to effort expectancy and performance expectancy, followed by barriers related to the inherent characteristics of the technology and older adults' health condition. Experience, age and gender were also found to moderate technology use and acceptance. CONCLUSIONS: This rapid review highlights the importance of adopting a holistic perspective when designing telehealth interventions aimed at preventive and health promotion purposes among older adults.
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découle