MétaCan
Menu
Retour à la cohorte
Enregistrement W4393195657 · doi:10.1111/obr.13734

Role of telemedicine in the management of obesity: State‐of‐the‐art review

2024· review· en· W4393195657 sur OpenAlexaff
Kainat Shariq, Tariq Jamal Siddiqi, Harriette G.C. Van Spall, Stephen J. Greene, Marat Fudim, Adam D. DeVore, Ambarish Pandey, Javed Butler, Muhammad Shahzeb Khan

Notice bibliographique

RevueObesity Reviews · 2024
Typereview
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensMcMaster UniversityPopulation Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésTelemedicinePsychological interventionTelehealthMedicineDigital healthModalitiesHealth careObesityCoachingPandemicSAFERManagement of obesityWearable computerPopularityInternet privacyMedical emergencyCoronavirus disease 2019 (COVID-19)NursingComputer sciencePsychologyComputer securityWeight loss

Résumé

récupéré en direct d'OpenAlex

Obesity is a worsening public health epidemic that remains challenging to manage. Obesity substantially increases the risk of cardiovascular diseases and presents a significant financial burden on the healthcare system. Digital health interventions, specifically telemedicine, may offer an attractive and viable solution for managing obesity. During the COVID-19 pandemic, the need for a safer alternative to in-person visits led to the increased popularity of telemedicine. Multiple studies have tested the efficacy of telemedicine modalities, including digital coaching via videoconferencing sessions, e-health monitoring using wearable devices, and asynchronous forms of communication such as online chatrooms with counselors. In this review, we discuss the available evidence for telemedicine interventions in managing obesity, review current challenges and barriers to using telemedicine, and outline future directions to optimize the management of patients with obesity using telemedicine.

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)0,009
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,620
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,089
Tête enseignante GPT0,476
Écart entre enseignants0,387 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueObesity ReviewsMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207