MétaCan
Menu
Retour à la cohorte
Enregistrement W4412200733 · doi:10.2196/79797

Experiences of Older Adults and Caregivers With Home Telemonitoring for Heart Failure in Canada: Qualitative Study

2025· preprint· en· W4412200733 sur OpenAlexvenueaboutno aff
Guy Paré, Marie-Pierre Moreault, Philippe Voyer, Alexandre Castonguay, M. Hardy, Mickaël Ringeval

Notice bibliographique

RevueJMIR Aging · 2025
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintQualitative researchGerontologyHeart failureMedicinePsychologySociologyWorld Wide WebComputer scienceCardiologySocial science

Résumé

récupéré en direct d'OpenAlex

<sec> <title>BACKGROUND</title> Home telemonitoring programs are increasingly used to support older adults living with chronic conditions such as heart failure (HF). While these interventions show promise for improving health outcomes and reducing care burden, their effectiveness depends largely on how patients and caregivers integrate digital technologies into everyday life and care relationships. However, relatively few studies have examined these experiences using conceptual frameworks that capture both functional and relational dimensions of care. </sec> <sec> <title>OBJECTIVE</title> This study aimed to explore the experiences of older adults and their informal caregivers participating in a home telemonitoring program for HF. Drawing on the Person-Based Approach and the Person-Centered Practice frameworks, we examined how participants engaged with both the technofunctional and relational aspects of the intervention. </sec> <sec> <title>METHODS</title> We conducted a qualitative study involving 34 patients, 28 informal caregivers, and 20 nurses across 3 primary care organizations in Quebec, Canada. The 6-month intervention included 4 connected devices used by patients (smartwatch, Bluetooth-enabled scale, voice-activated tablet, and a smart pill dispenser [xPill; Domedic]) and a mobile app for caregivers, complemented by remote nursing follow-up. Nurses reviewed patient data through a clinical dashboard at least once daily during weekday daytime shifts. Data were collected through semistructured interviews and field notes and analyzed using directed content analysis. </sec> <sec> <title>RESULTS</title> Participants’ experiences revealed both enabling and constraining factors across 2 key dimensions. Technofunctional engagement was shaped by digital literacy, emotional responses to the technology, alignment with daily routines, and access to technical or caregiver support. Relational aspects of care were influenced by perceived professional presence, opportunities for communication and shared decision-making, and the degree of emotional reassurance provided by remote monitoring. While many participants reported increased confidence and a sense of being supported, others experienced frustration, fatigue, or disengagement when the system disrupted routines or when feedback from clinicians was perceived as limited. </sec> <sec> <title>CONCLUSIONS</title> Engagement with home telemonitoring technologies among older adults depends not only on usability but also on the relational context in which these technologies are embedded. Combining technofunctional and relational perspectives provides a more comprehensive understanding of how telemonitoring interventions are experienced and highlights the importance of personalized support, reliable technology, and sustained clinical engagement to promote meaningful adoption. </sec>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,118
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,439
Écart entre enseignants0,408 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207