Chronic Disease Patients’ Engagement in Interprofessional Telehealth Collaboration in Primary Care: A Scoping Review
Notice bibliographique
Résumé
With the rise of people being affected with chronic illness, now the leading cause of mortality worldwide, primary care is overwhelmed with the demand for healthcare services. Primary healthcare is the first resource for patients living with chronic illness, but in 2019, COVID-19 brought healthcare professionals to increase services through virtual care for patients living with chronic illness. In the workplace, such professionals often need to be sufficiently resourced to collaborate, to address collaborative care barriers in telehealth and to keep patients engaged in their health. We performed a scoping review to identify how patients living with chronic diseases actively engage and describe their involvement in the process of interprofessional collaboration within the context of telehealth in primary care settings. We followed Arksey and O'Malley's and the Joanna Briggs Institute's methodological guidelines to conduct this scoping review. The analysis of the retained twelve studies showed little distinction between the experience of interprofessional collaboration from the patient's perspective in a telehealth context compared to a face-to-face context. However, we were able to identify gaps (eg, limited insight onto engagement dynamic, lack of patient-centric research, and insufficient research on patient engagement) relating to the experiences of patients, patient engagement, and professionals who have used telehealth. In an era of digital innovations, this lack of literature regarding the patient experience may jeopardize the quality of the interprofessional collaboration services offered to patients and patient engagement. This gap in patient engagement integrated into interprofessional collaboration in a telehealth context needs to be addressed.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,009 |
| 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 ».