Current Status of Barriers to mHealth Access Among Patients With Stroke and Steps Toward the Digital Health Era: Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Mobile health (mHealth) offers significant benefits for patients with stroke, facilitating remote monitoring and personalized health care solutions beyond traditional settings. However, there is a dearth of comprehensive data, particularly qualitative insights, on the barriers to mHealth access. Understanding these barriers is crucial for devising strategies to enhance mHealth use among patients with stroke. OBJECTIVE: This study aims to examine the recent literature focusing on barriers to mHealth access among patients with stroke. METHODS: A systematic search of PubMed, MEDLINE, Web of Science, and CINAHL Plus Full Text was conducted for literature published between 2017 and 2023. Abstracts and full texts were independently screened based on predetermined inclusion and exclusion criteria. Data synthesis was performed using the convergent integrated analysis framework recommended by the Joanna Briggs Institute. RESULTS: A total of 12 studies met the inclusion criteria. The majority were qualitative studies (about 42%), followed by mixed methods (25%), pilot studies (about 17%), nonrandomized controlled trials (about 8%), and observational studies (about 8%). Participants included patients with stroke, caregivers, and various health care professionals. The most common mHealth practices were home-based telerehabilitation (30%) and poststroke mHealth and telecare services (20%). Identified barriers were categorized into two primary themes: (1) at the patient level and (2) at the health provider-patient-device interaction level. The first theme includes 2 subthemes: health-related issues and patient acceptability. The second theme encompassed 3 subthemes: infrastructure challenges (including software, networking, and hardware), support system deficiencies, and time constraints. CONCLUSIONS: This systematic review underscores significant barriers to mHealth adoption among patients with stroke. Addressing these barriers in future research is imperative to ensure that mHealth solutions effectively meet patients' needs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,028 | 0,129 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,014 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».