MétaCan
Menu
Retour à la cohorte
Enregistrement W4415626703 · doi:10.2196/76752

Redesigning Telemedicine for Traditional Chinese Medicine: Service Design Approach to Digital Transformation

2025· article· en· W4415626703 sur OpenAlexvenueno aff
Arisara Jiamsanguanwong, Ratchapoom Kaingam, Oran Kittithreerapronchai, Waratta Authayarat

Notice bibliographique

RevueJMIR Human Factors · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTelemedicineDigital transformationTask (project management)Service designDigital healthService (business)Transformative learningHealth care

Résumé

récupéré en direct d'OpenAlex

Background: With the rising global adoption of telemedicine, there is a crucial need to address inefficiencies and challenges in current service systems. This case study focused on enhancing the telemedicine service system of a traditional Chinese medicine clinic. Objective: The primary objective was to identify and address pain points and inefficiencies in the existing telemedicine system with the aim of streamlining service operations for the benefit of both patients and service providers. Methods: Through comprehensive service design analysis, including the creation of a customer journey map and a service blueprint, key areas for improvement were identified, and the service process was redesigned accordingly. A user-friendly web application was developed and evaluated using usability testing and satisfaction assessments. Participants took part voluntarily. Task testing was conducted using real-world scenarios, with index of item-objective congruence values ranging from 0.84 to 1.00. Participants were assigned role-specific tasks as either patients or service providers in a step-by-step format, followed by role-specific paper-based questionnaires. Results: The redesigned system successfully streamlined operations by automating processes and reducing task complexity, resulting in improved time efficiency for both user groups. Participants included 6 patients (aged 23-54 years) and 7 service providers from various departments. Usability testing revealed a task success rate of 100% for all tasks among patients, coordinators, physicians, and finance personnel as well as 83.33% among pharmacists. Satisfaction outcomes were positive: patients reported a net promoter score of 67, whereas service providers reported a mean System Usability Scale score of 71.4 (SD 20.76). Conclusions: This study highlights the transformative potential of telemedicine in health care delivery. For patients, consolidating services into a single digital platform improved accessibility and ease of use. For service providers, the system reduced repetitive tasks and facilitated more efficient task completion. These findings demonstrate the effectiveness of service design methodologies in enhancing telemedicine systems, ultimately contributing to improved health care quality and patient outcomes.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,004
Communication savante0,0050,004
Science ouverte0,0020,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,126
Tête enseignante GPT0,381
Écart entre enseignants0,255 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Human FactorsMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207