eHealth in geriatric rehabilitation: an international consensus study
Notice bibliographique
Résumé
PURPOSE: Current evidence on the use of eHealth in geriatric rehabilitation is limited. This aim of this study was to achieve international consensus on three key eHealth-related topics in geriatric rehabilitation: the use, domains, and scientific evaluation of eHealth. Additionally, we developed a model that provides insight into the use of eHealth in geriatric rehabilitation. METHODS: An international, two-round Delphi study was conducted. Two models served as a framework for the initial statement draft, with a total of 28 statements based on our systematic review results, an international survey, and expert opinion. Eligible healthcare professionals working in geriatric rehabilitation facilities were recruited across 10 countries. RESULTS: Eighty healthcare professionals participated in round one and 47 in round two. In the first round, consensus was obtained for 20 of the 28 statements (71%). Prior to round two, four statements were revised, two statements were combined, and one statement was removed. In round two, consensus was obtained on six statements, bringing the total to 26: three related to the use of eHealth, five to the domains of eHealth, and 18 related to the scientific evaluation of eHealth. CONCLUSION: International consensus has been reached on the use, domains, and scientific evaluation of eHealth in geriatric rehabilitation. This first step in generating reliable knowledge and understandable information will help promote a consistent approach to the development, implementation, and scientific evaluation of eHealth in geriatric rehabilitation.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 ».