A realist review of factors critical for the implementation of eHealth in chronic disease management
Notice bibliographique
Résumé
Abstract Background In Canada, chronic disease is responsible for 88% of deaths and $120 billion in cost each year. With 44% of Canadian adults living with at least one chronic condition, only 66% receive necessary care. Ehealth interventions are instrumental in chronic disease management (CDM), especially since the pandemic, as they provide accessible, cost-effective solutions for self-management. Despite its promise and accelerated use, its implementation remains challenging. This paper reports on a realist review of critical factors for the implementation of eHealth interventions relevant to conditions such as heart failure, chronic obstructive pulmonary disease, chronic kidney disease, and diabetes. The findings are presented in terms of context, mechanisms, and outcomes. Methods A realist review of the primary literature was conducted by searching five databases: Medline, Embase, Cochrane, CINALH and PsycInfo. The initial search was run for a date spanning from the databases’ inception to September 2018 and subsequently updated to dates spanning from October 2018 to May 2022. A systematic and iterative approach to data extraction was used. Thematic analysis was used to identify context-mechanism-outcome (CMO) configurations. Results Among the 13,209 citations retrieved, 64 articles were included. This paper reports the top ten configurations found to facilitate or hinder eHealth implementation. Key themes related to context, such as team-based care, and action, including program use, perceived usefulness and motivation, are reported. Conclusions This study explores the role of context, mechanisms, and outcomes in ehealth implementation, highlighting the nonlinear relationships between these factors. Future implications include empirical testing CMOs as middle-range theories in real-world settings to determine causality. Trial registration The review protocol was registered with PROSPERO (CRD42020208275) on 1 October 2020.
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 | 0,052 | 0,179 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,032 | 0,029 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».