Designing Telemedicine for Older Adults With Multimorbidity: Content Analysis Study
Notice bibliographique
Résumé
BACKGROUND: Telemedicine is a potential option for caring for older adults with multimorbidity. There is a need to explore the perceptions about telemedicine among older adults with multimorbidity to tailor it to the needs of older adults with multiple chronic conditions. OBJECTIVE: This study aims to explore the perceptions about telemedicine among older patients with multimorbidity. METHODS: A qualitative study was conducted using semistructured interviews. The interview questions examined older adults' perspectives about telemedicine, including their expectations regarding telemedicine services and the factors that affect its use. Thematic analysis was performed using NVivo (version 12; Lumivero). The study was reported using the Standards for Reporting Qualitative Research guidelines. RESULTS: In total, 29 patients with multimorbidity-21 (72%) female patients and 8 (28%) male patients with a mean age of 69 (SD 10.39) years-were included. Overall, 4 themes and 7 subthemes emerged: theme 1-perceived benefit of telemedicine among older adults with multimorbidities, theme 2-appropriate use of telemedicine for multimorbid care, theme 3-telemedicine system catering to the needs of older patients, and theme 4-respect patients' decision to decline to use telemedicine. CONCLUSIONS: Telemedicine for older adults with multimorbidity should focus on those with stable conditions. This can help increase access to care for those requiring continuous condition monitoring. A structured telemedicine program and patient-centered services can help increase patient acceptance of telemedicine. However, health care providers must accept the limitations of older patients that may prevent them from receiving telemedicine services.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».