The Virtual Physician: Clarifying Medical Liability Issues in the Use of Remote Patient Monitoring
Notice bibliographique
Résumé
More than ever before, information and communication technologies are playing an important role in the provision of health care services. As a form of telehealth, remote patient monitoring (RPM) uses information technologies and telecommunication tools to collect health data from patients outside of traditional health care institutional settings and transmit the data to health care providers for monitoring and evaluation. There are many challenges to RPM’s greater implementation in health care, including the potential for risk of harm for patients, and uncertainty regarding the liability of physicians utilizing RPM. Uncertain medical liability may have a chilling effect on the greater clinical use of RPM. To date, medical liability issues regarding RPM have not been addressed by courts and there is a paucity of literature on the topic. This article attempts to clarify some of the liability issues raised by RPM. To help guide physicians in their use of RPM, I propose the adoption of professional guidelines specific to RPM that courts can use in determining whether physicians have breached relevant standards of practice. Furthermore, by providing evidence-based standards, guidelines can mitigate risks of patient injury and reduce physicians’ reticence to adopt RPM.
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 | 0,105 | 0,184 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,015 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,041 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».