A Systematic Review of Telehealth Applications in Endocrinology
Notice bibliographique
Résumé
Introduction: The prevalence of telehealth has witnessed a significant increase in various medical domains, especially in endocrinology. Telehealth brings about considerable advantages for both patients and health care professionals. However, despite these positive aspects, the growing prominence of telehealth is accompanied by certain challenges. This systematic review aims to assess the role of telehealth in endocrinology, including its applications, effectiveness, challenges, and implications for patient care. Methods: This study involved a thorough search using comprehensive techniques across databases such as PubMed/Medline, Embase, and Scopus. The studies were selected for a tailored adaptation of the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) to enhance the clarity of our systematic review's reporting. Results: This systematic review explores global telemedicine applications in endocrinology. Addressing various endocrine conditions, interventions utilize technology tools such as smartphones and applications, offering multifaceted utility from education and data gathering to screening and treatment. Notably, these interventions demonstrate adaptability during the COVID-19 pandemic. Positive outcomes include enhanced patient education, disease self-management, reduced complications, and improved glycemic control. However, drawbacks include the need for technical proficiency, perceived lower care quality, and potential privacy risks. These nuanced findings contribute to the discourse on telemedicine efficacy and limitations. Conclusion: In conclusion, telehealth holds significant potential in transforming endocrine care. While there are challenges to its implementation, the benefits it offers underscore its value as a health care delivery model.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».