MétaCan
Menu
Retour à la cohorte
Enregistrement W4390351052 · doi:10.1089/tmr.2023.0051

A Prioritized Patient-Centered Research Agenda to Reduce Disparities in Telehealth Uptake: Results from a National Consensus Conference

2023· article· en· W4390351052 sur OpenAlexfundno aff
Kristin L. Rising, Mackenzie Kemp, Amy Leader, Anna Marie Chang, Andrew J Monick, Amanda Guth, Tracy Esteves Camacho, Gregory Laynor, Brooke Worster

Notice bibliographique

RevueTelemedicine Reports · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesDuquesne UniversityCSL BehringPatient-Centered Outcomes Research InstituteMount Sinai Health SystemUniversity of MissouriDalhousie UniversityMassachusetts General HospitalYork UniversityGeorge Washington UniversitySchool of Medicine, New York UniversityMicrosoft
Mots-clésTelehealthGeneral partnershipMedicineNursingStakeholderVotingPublic relationsMedical educationPolitical scienceFamily medicinePsychologyTelemedicineHealth care

Résumé

récupéré en direct d'OpenAlex

Introduction: We hosted a national consensus conference with a diverse group of stakeholders to develop a patient-centered research agenda focused on reducing disparities in telehealth use. Methods: = 8). Results: = 8). The top question identified by both groups focused on patient and family perspectives on important barriers to telehealth use. The entire group voting identified telehealth's impact on patient outcomes as the next most important questions, while the patient-only group identified trust-related considerations and cultural factors impacting telehealth use as next priorities. Conclusions: This project involved extensive patient and stakeholder engagement. While voting varied between patients only and the entire group of conference attendees, top identified priorities included patient and family perspectives on important barriers to telehealth, trust and cultural barriers and facilitators to telehealth, and assessment of telehealth's impact on patient outcomes. This research agenda can inform design of future research focused on addressing disparities in telehealth use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,699
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,201
Tête enseignante GPT0,453
Écart entre enseignants0,252 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTelemedicine ReportsMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207