Cultural and Technological Barriers to Telehealth Adoption for Type 2 Diabetes Management Among Asian American Patients: Qualitative Case Study
Notice bibliographique
Résumé
Background: In the past decade, telehealth has transformed health care delivery by allowing patients more rapid and convenient access to necessary care without the cost and logistical challenges of traveling to a health care facility. Telehealth services can benefit patients with type 2 diabetes mellitus (T2DM) amid a growing epidemic of T2DM in the United States that affects people of all ages and races. In 2020, 33 million people were diagnosed with this chronic disease, with the number expected to rise by 50% by 2040. Telehealth facilitates regular contact between patients and their providers, especially when there are geographic barriers and time constraints prohibiting physical interaction, at little or no added cost to the patient and at their convenience. Objective: This study examines cultural and technological barriers affecting telehealth adoption among Asian American people with T2DM. Methods: A qualitative case study approach was employed, utilizing semistructured interviews with 30 Asian American individuals in Missouri. Thematic analysis was used to identify key barriers. Results: Four major barriers emerged: (1) language and cultural barriers-limited availability of translated materials and interpreters; (2) limited digital literacy and access-older adults and individuals with low technological exposure struggled with telehealth platforms; (3) limited provider recommendations-health care providers did not actively endorse telehealth, reducing patient awareness of telehealth as an option; and (4) technology access and infrastructure disparities-low-income participants faced challenges with the costs of and access to broadband and telehealth-compatible devices. Conclusions: Addressing cultural and technological barriers is crucial to increasing telehealth adoption among Asian American people with T2DM. Culturally tailored interventions, provider engagement, and digital literacy programs should be prioritized. Policy efforts must focus on expanding broadband access and providing multilingual telehealth resources.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».