The relationship between treatment burden and the use of telehealth technologies among patients with chronic conditions: A scoping 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
Patients managing chronic conditions often face significant treatment burdens due to the long-term nature of their care. Treatment burden refers to the workload associated with the self-management of chronic conditions. While telehealth is commonly used to support these patients, there is a growing concern about its impact on marginalized patient populations. Specifically, we lack a comprehensive overview on how and what types of telehealth can increase or minimize the perceived treatment burden among this patient population. To synthesize evidence on the relationship between treatment burden and telehealth among patients with chronic conditions and their caregivers. We used Arksey and O'Malley's five-step scoping review framework to identify relevant literature that was published from January 2004 to May 2023. Fifty-four studies were included in the review. We identified various ways telehealth increases or minimizes patients’ treatment burden. Some of the patient-reported benefits of telehealth regarding treatment burden were reducing time and cost associated with travel to the clinics. Conversely, some burdens associated with telehealth were making sense of the large volume of complex data generated by health technologies, and the extra work required to set up and learn about new technology. Review findings emphasize the importance of considering the concept of treatment burden while introducing telehealth-based interventions to support patients and their caregivers with chronic conditions. Future research needs to identify how to minimize the treatment burden associated with telehealth while implementing new telehealth interventions.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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