The Effectiveness Of Digital Interventions To Increase Preventive Care Uptake In Older Adults: A Systematic Review
Notice bibliographique
Résumé
Abstract The coming decade will witness a substantial increase in older adult populations, contributing to a surge in healthcare utilization and costs driven by rising chronic diseases. Addressing these challenges necessitates strategies to promote healthy aging, reduce chronic diseases, and enhance quality of life among older adults. One proactive approach is to encourage older individuals to follow recommended preventive care and immunization schedules. Despite the increasing number of recommended immunizations for older adults, completion rates remain alarmingly low, particularly for pneumococcal and shingles vaccines. What is unknown is how the use of digital interventions can be appropriately leveraged to address this gap in older adult health services utilization. Following PRISMA guidelines, this systematic review aimed to assess the range and effectiveness of digital interventions to improve preventive uptake among older adults. Twenty-seven studies (23 randomized clinical trials and 4 quasi-experimental) were included. The preventive care services targeted in interventions included colorectal cancer screening (n = 14), breast cancer screening (n = 2), influenza vaccination (n = 5), combined vaccinations (n = 2), pneumococcal vaccination (n = 2), herpes zoster vaccination (n = 1), and COVID-19 vaccination (n = 1). Interventions primarily leveraged automated digital communication, combined digital and printed outreach, tailored telephone communication, and supplemented in-person promotion. Studies consistently demonstrated an increase in preventive care uptake post intervention. However, including digital elements did not consistently show a significant improvement over control groups or standard care. These findings emphasize the importance and effectiveness of a combination of approaches in enhancing preventive care uptake among older adults, thus contributing to improved public health outcomes in aging populations.
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 | 0,010 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».