Inequity in Access to and Use of Digital Health Technologies in Routine Heart Failure Care: Protocol for a Scoping Review
Notice bibliographique
Résumé
Background: Heart failure (HF) is a global health challenge characterized by high mortality, morbidity, and economic burden. The development of digital health technologies offers promising tools for prevention, early detection, and management of HF, potentially improving prognoses and reducing costs. However, these innovations may also widen existing health disparities related to socioeconomic status, geography, and race/ethnicity. Objective: This scoping review will examine and map existing evidence on socioeconomic, geographic, and racial/ethnic differences in access to and use of digital health technologies for HF care in routine practice. Methods: The writing of this protocol followed the methodological framework by Arksey and O'Malley, including (1) identifying the research question; (2) identifying relevant studies; (3) selecting studies to be included in the review; (4) charting the data; and (5) collating, summarizing, and reporting the results. Eligible studies must examine digital health technologies in adults (aged ≥18 years) with any type of HF and report on social determinants of health, geography, or race/ethnicity. Observational study designs will be included. Searches will be conducted in Embase, PubMed, Google Scholar, and Scopus. A 2-stage screening process will determine study eligibility, and data will be extracted using a standardized form. Results: The project is funded. Data collection is expected to begin by the beginning of 2026. Conclusions: This scoping review will map existing evidence on differences in access to and use of digital health technologies for HF care. The findings are anticipated to highlight patterns and gaps in the literature, informing future research and strategies for equitable implementation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,115 | 0,115 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,007 |
| Méta-épidémiologie (sens large) | 0,012 | 0,018 |
| Bibliométrie | 0,018 | 0,016 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,007 | 0,009 |
| Intégrité de la recherche | 0,009 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,093 | 0,015 |
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 source (Gemma direct ou Codex distillé), 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 ».