Trade-offs between Accessibility and Practicality in Global Telemedicine: A Systematic Review
Notice bibliographique
Résumé
Background: Telemedicine is increasingly vital in healthcare, offering remote consultations via message-based and video call-based platforms. These methods improve healthcare accessibility, particularly when in-person visits are limited. Telemedicine is increasingly vital in healthcare, offering remote consultations via message-based and video call-based platforms. These methods improve healthcare accessibility, particularly when in-person visits are limited. Methods: A systematic search was conducted in ScienceDirect, PubMed, and up to August 2024. Studies evaluating the accessibility and practicality of global telemedicine were evaluated. From initial 439 records, 19 studies were finally in this systematic review. Studies were reviewed thoroughly with quality appraisal using the Newcastle Ottawa Scale, in which those rated for high quality studies were included. Results: Most studies (74%) were from high-income countries, notably the United States (26%) and Denmark (11%). Observational studies dominated (95%), focusing on follow-up consultations (47%) and diagnostic services (32%), particularly in general care (32%), neurology (11%), and surgery (5%). Research peaked in 2022 (32%) during the COVID-19 pandemic. Common platforms included WhatsApp, AnyDesk, and QliqSOFT. Accessibility was the primary focus in 53% of studies, while 47% addressed feasibility. Challenges like technological barriers and privacy concerns were particularly noted in lower-income regions. Conclusion: Telemedicine has enhanced healthcare accessibility and demonstrated feasibility. However, technological limitations and remote consultation challenges persist, particularly in lower-income regions. Continued research is needed to optimize telemedicine and equitable access.
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 | 0,021 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,002 |
| 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 ».