Perspectives of Older Adults on Assistive Technology: Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: The aging population presents challenges for healthcare systems. Assistive technologies (ATs) like telemonitoring, fall detection, and self-monitoring devices offer potential solutions to support older adults and their care. However, successful implementation relies on their acceptance, which remains poorly understood, particularly among non-users. OBJECTIVE: This study explores older adults' perceptions of ATs, including perceived benefits, adoption barriers, and factors influencing willingness to use these technologies. METHODS: A qualitative study was conducted with 31 participants (aged 65+) with varying levels of health and care needs. Data were collected through six focus groups and six in-depth interviews, then analyzed thematically using NVivo software. RESULTS: Seven themes emerged: 1) Limited familiarity, with greater recognition of fall detection and self-monitoring devices compared to telemonitoring; 2) Perceived benefits, include safety, independence, and chronic disease management; 3) Key concerns include usability, cost, reliability, privacy, and psychological impacts; 4) Suggested improvements comprise user-friendly designs and training programs; 5) Contextual influences identified with independent older adults perceiving greater utility; 6) Strategies for ATs' promotion proposed such as media campaigns, government subsidies, and healthcare endorsements; and 7) Overall willingness to adopt ATs, driven by perceived need, social and healthcare influence, and ease of use. CONCLUSIONS: While ATs offer clear benefits, adoption remains limited due to usability, cost, and psychological concerns. Improving accessibility, training, and integration into traditional healthcare services delivery may facilitate acceptance and use. Future research should focus on inclusive designs and policy interventions to maximize ATs' potential in aging populations.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».