Internet of Things in Telemedicine: A Systematic Review of Current Trends and Future Directions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The main aim of this review paper is to explore the role of Internet of Things (IoT) technologies in telemedicine and their impact on healthcare outcomes, focusing on chronic disease management, elderly care, and emergency services.This study conducted a systematic review following the guidelines of the Preferred Reporting Items for Systematic Reviews and Meta-Analysis (PRISMA).The research identified 15 peer-reviewed articles published between 2010 and 2024, focusing on the integration of IoT in telemedicine.Scopus database was chosen because it indexes scientific documents from various disciplines, such as Computer Science, Engineering, and Medicine.The following search terms were used: "IoT" OR "Internet of Things" AND "Telemedicine."After screening the titles, abstracts, and full texts, 15 studies met the inclusion criteria for analysis.The review found that IoT technologies significantly improve patient outcomes, with chronic disease management showing a 20-30% reduction in complications.Cloud integration enhances scalability and real-time monitoring, facilitating better elderly care, especially in remote areas.However, challenges related to data security, interoperability, and the cost of IoT devices were noted.The findings suggest that IoT holds great potential for transforming healthcare delivery, further research is needed to address data privacy challenges, cost-effectiveness, and integration into existing healthcare systems.These insights are valuable for healthcare providers, policymakers, and technology developers working to implement IoT-based solutions in telemedicine.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 découle