MétaCan
Menu
Retour à la cohorte
Enregistrement W4401008495 · doi:10.2196/45367

Global Evidence on the Sustainability of Telemedicine in Outpatient and Primary Care During the First 2 Years of the COVID-19 Pandemic: Scoping Review Using the Nonadoption, Abandonment, Scale-Up, Spread, and Sustainability (NASSS) Framework

2024· review· en· W4401008495 sur OpenAlexvenueno aff
Daniela Valdes, Ankit Shanker, Ghofran Hijazi, Daniel Mensah, Tahir Bockarie, Ioana Lazar, Siti Aishah Ibrahim, Hamid Zolfagharinia, Rob Procter, Rachel Spencer, Jeremy Dale, Armina Paule, Liam Jonathon Medlin, Keerthana Tharuvara Kallottil

Notice bibliographique

RevueInteractive Journal of Medical Research · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)PandemicPreprintTelemedicineSustainability2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Primary careMedicineVirologyComputer sciencePolitical scienceHealth careFamily medicineWorld Wide WebInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The rapid implementation of telemedicine during the early stages of the COVID-19 pandemic raises questions about the sustainability of this intervention at the global level. OBJECTIVE: This research examines the patient experience, health inequalities, and clinician-patient relationship in telemedicine during the COVID-19 pandemic's first 2 years, aiming to identify sustainability factors. METHODS: This study was based on a prepublished protocol using the Joanna Briggs Institute (JBI) methodology for scoping reviews. We included academic and gray literature published between March 2020 and March 2022 according to these criteria: (1) population (any group); (2) concepts (patient experience, clinician-patient relationship, health inequalities); (3) context (telemedicine in primary and outpatient care); (4) excluding studies pertaining to surgery, oncology, and (inpatient) psychiatry. We searched Ovid Medline/PubMed (January 1, 2022), Web of Science (March 19, 2022), Google/Google Scholar (February and March 2022), and others. The risk of bias was not assessed as per guidance. We used an analysis table for the studies and color-coded tabular mapping against a health care technology adoption framework to identify sustainability (using double-blind extraction). RESULTS: Of the 134 studies that met our criteria, 49.3% (66/134) reported no specific population group. Regarding the concepts, 41.8% (56/134) combined 2 of the concepts studied. The context analysis identified that 56.0% (75/134) of the studies referred to, according to the definition in the United Kingdom, an outpatient (ambulatory care) setting, and 34.3% (46/134) referred to primary care. The patient experience analysis reflected positive satisfaction and sustained access during lockdowns. The clinician-patient relationship impacts were nuanced, affecting interaction and encounter quality. When mapping to the nonadoption, abandonment, scale-up, spread, and sustainability (NASSS) framework, 81.3% (109/134) of the studies referenced the innovation's sustainability. Although positive overall, there were some concerns about sustainability based on quality, eHealth literacy, and access to health care for vulnerable migrants and the uninsured. CONCLUSIONS: We identified confusion between the concepts of patient experience and patient satisfaction; therefore, future research could focus on established frameworks to qualify the patient experience across the whole pathway and not just the remote encounter. As expected, our research found mainly descriptive analyses, so there is a need for more robust evidence methods identifying impacts of changes in treatment pathways. This study illustrates modern methods to decolonize academic research by using gray literature extracts in other languages. We acknowledge that the use of Google to identify gray literature at the global level and in other languages has implications on reproducibility. We did not consider synchronous text-based communication. TRIAL REGISTRATION: Open Science Framework 4z5ut; https://osf.io/4z5ut/.

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)0,018
score de la tête « metaresearch » (Gemma)0,065
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,410
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0180,065
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,004
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 Opus0,161
Tête enseignante GPT0,556
Écart entre enseignants0,395 · 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'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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInteractive Journal of Medical ResearchMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207