MétaCan
Menu
Retour à la cohorte
Enregistrement W4402573074 · doi:10.57020/ject.1514154

Digital Health: The Critical Value of Mobile Technology for the Health Sector, Different Application Examples from the World and Current Trends

2024· article· en· W4402573074 sur OpenAlexafffund
Muhammet Damar, Oguzhan Kop, Ömer Faruk Şaylan, Ahmet Özen, Ülkü Ece Çakmak, Fatih Safa Erenay

Notice bibliographique

RevueJournal of Emerging Computer Technologies · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensUniversity of TorontoUniversity of Waterloo
Organismes subventionnairesTürkiye Bilimsel ve Teknolojik Araştırma KurumuUniversity of Toronto
Mots-clésMobile technologyHealth technologyThe InternetMobile business developmentHealth careBusinessMobile computingComputer scienceMobile WebInternet privacyTelecommunicationsWorld Wide WebPolitical science

Résumé

récupéré en direct d'OpenAlex

The internet technology, which began to integrate into our lives rapidly by the end of the 1990s, underwent significant transformations with the advent of mobile technology in the 2000s. Initially accessible through desktop or notebook computers, the internet has evolved to become an integral part of virtually every aspect of our lives as mobile technology advanced throughout the 2000s. The purpose of this study is to examine the role of mobile technologies within current health technologies, investigate the necessary competencies, evaluate mobile technology developments both in Türkiye and globally, and assess the information technology infrastructure, competencies, and skills required by the sector. Our research details various and specific mobile applications from numerous countries. Findings indicate that mobile technology has established itself much more rapidly and effectively in countries with strong internet infrastructure. Mobile health services are perceived as highly valuable by citizens. The real quality and effectiveness of mobile technology depend on its acceptance and swift implementation by users. Gamification is an important tool in the adoption of mobile health applications. These applications can enhance motivation by enabling both doctors to monitor patient care services and patients to track their own health. A good mobile health system should be accepted by both patients and doctors. In countries like Türkiye, where the health system is largely supported by the state, it is seen as necessary for the Ministry of Health to prioritize mobile services to establish a robust mobile health system. Furthermore, to effectively structure mobile services, it is essential to focus on the right problems and identify issues in order of priority. Literature review reveals that various mobile applications have been implemented in fields such as dermatology, orthopedics, ophthalmology, neurosurgery, and clinical pathology. Mobile technologies offer significant cost advantages in the delivery of health services. As the population ages in European Union countries, national governments are seeking ways to reduce healthcare costs. Mobile health is considered a solution to transform the delivery of health services and reduce costs through viable new care models for both industrialized and developing countries. Moreover, it has been observed that mobile applications provide significant benefits for the elderly, particularly in developed countries such as Germany and Sweden. Our study provides a comprehensive assessment of mobile technology in the healthcare sector, highlights prominent applications from Türkiye and around the world, and offers an extensive evaluation for field readers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0030,011
Communication savante0,0130,015
Science ouverte0,0010,005
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,055
Tête enseignante GPT0,438
Écart entre enseignants0,383 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Emerging Computer TechnologiesMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207