Platform-Based Patient-Clinician Digital Health Interventions for Care Transitions: Scoping Review
Notice bibliographique
Résumé
BACKGROUND: Care transitions are complex and can make patients vulnerable to adverse events. Poor communication among clinicians, patients, and their caregivers is a critical gap during these periods of transition. Technology solutions such as platform-based patient-clinician digital health interventions (DHIs) can provide support and education to patients. OBJECTIVE: The aims of this scoping review were to explore the literature on platform-based patient-clinician DHIs specific to hospital-to-home care transitions and identify the barriers to and enablers of the uptake and implementation of these DHIs. METHODS: A scoping review was conducted. A total of 4 databases (MEDLINE, CINAHL, Embase, and the Cochrane Central Register of Controlled Trials) were searched on July 13, 2022. Studies involving patients aged >18 years who used platform-based DHIs during their hospital-to-home transition were included. In total, 2 reviewers independently screened the articles for eligibility using a 2-stage process of title and abstract and full-text screening. Eligible studies underwent data extraction, and the results were analyzed using descriptive and narrative methods. RESULTS: We screened 8322 articles, of which 97 (1.17%) met our inclusion criteria. DHIs were implemented using a mobile app (59/97, 61%), a web-based platform (28/97, 29%), or a combination of both (10/97, 10%). The 2 most common health conditions related to the DHIs were cardiac disease (22/97, 23%) and stroke (11/97, 11%). Outcomes varied greatly but were grouped by health care use, complications, and wellness outcomes. The top 2 barriers were lack of interest (13/97, 13%) and time constraints to use the DHIs (10/97, 10%), and the top 2 enablers were the ability to use the DHIs (17/97, 18%) and their ease of use (11/97, 11%). The main conflicting theme was access (enabler; 28/97, 29%) or limited access (barrier; 15/97, 15%) to technology or the internet. CONCLUSIONS: Platform-based DHIs could help improve communication, coordination, and information sharing between clinicians and patients during transition periods. Further research is needed to assess the effectiveness of these platform-based DHIs on patient outcomes.
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 | 0,020 | 0,095 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,018 | 0,019 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».