Telemedicine in the primary care of older adults: a systematic mixed studies review
Notice bibliographique
Résumé
Abstract Background Family physicians had to deliver care remotely during the COVID-19 pandemic. Their efforts highlighted the importance of developing a primary care telemedicine (TM) model. TM has the potential to provide a high-quality option for primary care delivery. However, it poses unique challenges for older adults. Our aim was therefore to explore the effects of TM and the determinants of its use in primary care for older adults. Methods In this systematic mixed studies review, MEDLINE, PsycINFO, EMBASE, CINHAL, AgeLine, DARE, Cochrane Library, and clinical trials research registers were searched for articles in English, French or Russian. Two reviewers performed study selection, data extraction and assessment of study quality. TM’s effects were reported through the tabulation of key variables. TM use determinants were interpreted using thematic analysis based on Chang’s framework. All data were integrated using a joint display matrix. Results From 3,328 references identified, 20 studies were included. They used either phone (n = 8), videoconference (n = 9) or both (n = 3). Among studies reporting positive outcomes in TM experience, ‘user habit or preferences’ was the most cited barrier and ‘location and travel time’ was the most cited facilitator. Only one study reported negative outcomes in TM experience and reported ‘comfort with patient communication’ and ‘user interface, intended use or usability’ as barriers, and ‘technology skills and knowledge’ and ‘location and travel time’ as facilitators. Among studies reporting positive outcomes in service use and usability, no barrier or facilitator was cited more than once. Only one study reported a positive outcome in health-related and behavioural outcomes. Conclusions TM in older adults’ primary care generally led to positive experiences, high satisfaction and generated an interest towards alternative healthcare delivery model. Future research should explore its efficacy on clinical, health-related and healthcare services use.
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 | 0,016 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,011 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».