Diagnostic Accuracy, Implementation Barriers, and Equity Implications of Teledermatology in Rural Skin Cancer: Scoping Review
Notice bibliographique
Résumé
Background: Skin cancer is the most commonly diagnosed malignancy in the United States, with rural populations facing disproportionate delays in diagnosis due to geographic isolation, workforce shortages, and limited access to dermatologic care. These delays contribute to higher rates of late-stage diagnosis and poorer outcomes. Teledermatology has emerged as a promising solution to expand access to dermatologic evaluation and treatment in underserved settings. Objective: The review aims to evaluate the diagnostic performance, implementation challenges, and equity considerations of teledermatology in the context of rural skin cancer care, and to assess its potential to improve clinical outcomes in underserved populations. Methods: A comprehensive literature search was conducted across PubMed, Scopus, Web of Science, and Google Scholar to identify studies published between January 2015 and March 2025. Search terms included "teledermatology," "skin cancer," "rural health services," "telemedicine," "diagnostic accuracy," and "health disparities." Studies evaluating diagnostic metrics, time to diagnosis, patient satisfaction, and implementation barriers were included. Results: Nine key studies spanning various countries and health care settings were included. Diagnostic sensitivity ranged from 41.9% to 100%, and specificity from 46% to 90%, depending on modality and lesion type. Teledermatology consistently reduced time to diagnosis, in some cases by over 75%, and was associated with high patient satisfaction due to increased convenience and reduced travel. Key barriers included technological limitations, inconsistent imaging protocols, and reimbursement variability. Successful implementation was facilitated by standardized workflows, dermoscopy integration, and centralized platforms. Conclusions: Teledermatology is a viable and effective approach to addressing disparities in rural skin cancer care. It offers diagnostic accuracy comparable to face-to-face evaluations while reducing wait times and improving patient satisfaction. Overcoming technological and systemic barriers is critical to ensuring equitable, long-term integration of teledermatology in rural health systems.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».