Patient and Carer-Related Facilitators and Barriers to the Adoption of Assistive Technologies for the Care of Older Adults: Systematic Review
Notice bibliographique
Résumé
Background: Assistive technologies (ATs) are used increasingly in community settings to assist in the care of older adults. Despite a rapid increase in the capabilities and uptake of these technologies, gaps remain in understanding the main barriers to their usage. Objective: This systematic review investigated the barriers and facilitators to the use of AT in the care of older adults. Methods: Six electronic databases were searched from January 2011 to March 2024. Primary studies were included if they used qualitative methods reporting findings related to barriers or facilitators to the implementation of AT (eg, ambient and wearable sensors, alarms, telehealth or mobile health [mHealth]) for older adults (from the perspective of either carers or older adults) in community settings. All data were screened independently by two reviewers. Study quality was assessed using the Critical Appraisal Skills Program (CASP). Data from each included study were synthesized using thematic synthesis, before barriers were mapped against the domains of the Technology Acceptance Model (TAM). Results: Ninety-five studies were included in the review. The number of studies published in the field of barriers to AT use has increased 3-fold post-COVID-19 in comparison to the previous decade. Ten barriers-privacy, cost, insufficient knowledge, fear of misuse, usability, poor functionality, perceived lack of need, stigma, and lack of human interaction-were identified, as well as three facilitators-awareness of health benefits, targeted training, and user-centered design. Persistent barriers relating to all domains of the TAM were identified, with the majority of these relating to the "behavioral intention to use" domain (cost, privacy, stigma, and fear of misuse). The majority of studies had a moderate/high risk of bias. Conclusions: There remain distinct barriers to sustained usage of AT for the care of older adults, particularly concerning adoption as defined by the TAM. Further studies investigating the acceptability of ATs are needed to increase the understanding of optimization strategies.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».