The Landscape of Health Technology for Equity Deserving Groups in Rural Communities: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Equity-deserving groups face well-known health disparities that are exacerbated by rural residence. Health technologies have shown promise in reducing disparities among these groups, but there has been no comprehensive evidence synthesis of outcomes. PURPOSE: The purpose of this systematic review was to examine the patient, healthcare, and economic outcomes of health technology applications with rural living equity-deserving groups. RESEARCH DESIGN: The databases searched included Medline and Embase. Articles were assessed for bias using the McGill mixed methods appraisal tool. ANALYSIS: Data were synthesized narratively using a convergent integrated approach for qualitative and quantitative findings. RESULTS: = 21) that reported on health technologies targeting rural equity-deserving groups. Overall, patient outcomes - knowledge, self-efficacy, weight loss, and clinical indicators - improved. Healthcare access improved with greater convenience, flexibility, time and travel savings, though travel was still occasionally necessary. All studies reported satisfaction with health technologies. Technology challenges reported related to connectivity and infrastructure issues influencing appointment quality and modality options. While some studies reported additional costs, overall, studies indicated cost savings for patients. CONCLUSIONS: There is a paucity of research on health technologies targeting rural equity-deserving groups, and the available research has primarily focused on women. While current evidence was primarily of high quality, research is needed inclusive of equity-deserving groups and interventions co-designed with users that integrate culturally sensitive approaches. Review registered with Prospero ID = CRD42021285994.
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 | 0,068 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,007 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».