MétaCan
Menu
← Retour à la cohorte
Enregistrement W4417408304 · doi:10.2196/84447

Acceptability of Telehealth as the Default Modality for Multiple Sclerosis Care in Switzerland: Cross-Sectional Study

2025· article· en· W4417408304 sur OpenAlexvenueno aff
Sintieh Nchinda Ngek Ekongefeyin, Paola Daniore, Vasileios Nittas, Stefania Iaquinto, Enriqueta Vallejo-Yagüe, Christian P. Kamm, Pasquale Calabrese, Claudia Baum, Chiara Zecca, Milo A. Puhan, Viktor von Wyl

Notice bibliographique

RevueJMIR mhealth and uhealth · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTelehealthTelemedicineThe InternetModality (human–computer interaction)Health caremHealtheHealthDigital health

Résumé

récupéré en direct d'OpenAlex

Background: Telehealth can improve access to care for people living with multiple sclerosis (MS), but information on its acceptance is limited in Switzerland. Objective: This study aimed to determine the proportion of people living with MS willing to accept telehealth as a new default and the factors associated with their acceptance. Methods: We conducted a cross-sectional analysis using survey data from the Swiss Multiple Sclerosis Registry. We defined "telehealth as a default" as a health care model where remote consultations (telephone and/or video calls) are the primary mode of interaction between patients and their physicians, with in-person visits based on clinical necessity. Multivariable logistic regression was performed to evaluate the association between telehealth acceptance and sociodemographic and health-related factors. Telehealth acceptance was described in relation to 3 survey variables that mirrored key constructs from the Non-Adoption, Abandonment, Scale-Up, Spread, and Sustainability (NASSS) framework. The variables were digital communication preferences, internet use for health provider searches, and experience with telemedicine. Results: Among 427 respondents, 15.5% (66/427) reported a willingness to accept telehealth as their default. In this group, only 21.2% (14/66) had experience using telemedicine. A descriptive analysis of our 3 NASSS-derived key constructs showed that among the 78.5% (335/427) respondents who generally agreed to digital access to health data, only 17.0% (57/335) accepted telehealth as a default. Notably, 30.7% (129/427) of participants stated a wish for support for using devices or the internet. Among those 129 individuals, 17.1% (22/129) were willing to accept telehealth as a default. Of the 89 people with prior telehealth experience, 15.7% (14/89) were willing to accept telehealth. In multivariable analysis, digital communication with health care providers (adjusted odds ratio [aOR] 14.56, 95% CI 6.18-39.04; P<.001), current internet use for health care provider search (aOR 7.78, 95% CI 1.34-45.32; P=.021), and a secondary progressive MS diagnosis (aOR 0.22, 95% CI 0.05-0.72; P=.021) were independently associated with accepting telehealth as a default. Conclusions: Our findings suggest a low acceptance of telehealth as a default among people living with MS in Switzerland. While our 3 postulated NASSS-derived key constructs were not associated with telehealth acceptance, we noted additional behavioral factors, including previous digital communication with health care providers and using the internet to search for health care provider information, which were associated with telehealth acceptance. Moreover, advanced disease states like secondary progressive MS were negatively associated with telehealth acceptance. Thus, telehealth as a default will be most acceptable in people living with MS who already use the internet for their health, and those with less severe disease. Future research should explore provider perspectives and evaluate long-term strategies for the acceptance of telehealth in MS care.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,125
Tête enseignante GPT0,462
Écart entre enseignants0,337 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealth→Même sujetMultiple Sclerosis Research Studies→Travaux en français237 207→