Trust Barriers and Vulnerabilities in Older Adults’ Telemedicine Adoption: Scoping Review (Preprint)
Notice bibliographique
Résumé
Background: Aging populations worldwide face increasing health care demands, particularly for chronic disease management. While telemedicine offers a viable solution to enhance health care access, significant trust-related barriers hinder its adoption among older adults, warranting a scoping synthesis of available evidence. Objective: This scoping review aims to map the available evidence on trust barriers experienced by older adults in telemedicine, identify underlying vulnerability domains, and chart the evidence base for design and policy recommendations. Methods: We conducted a scoping review in accordance with PRISMA-ScR (Preferred Reporting Items for Systematic Reviews and Meta-Analyses Extension for Scoping Reviews) guidelines, analyzing literature from PubMed, Web of Science, and Scopus. Thematic analysis was applied to synthesize findings from 30 included studies. Results: Four primary trust barriers were identified: technophobia and technical difficulties, privacy and data security concerns, negative emotional and social impacts, and a strong preference for in-person care. These barriers mapped onto 4 vulnerability domains: limited telemedicine literacy (particularly low eHealth self-efficacy), declining health status (including sensory and cognitive impairments), psychological and cognitive factors (such as anxiety about losing autonomy), and inadequate social support systems. The review also underscored how rapid technological change amplifies these challenges for older adults. Conclusions: Effective telemedicine implementation for older adults requires multipronged interventions, including age-appropriate interface design, targeted digital literacy training, robust privacy protections, and personalized support systems. These approaches address both technological and psychosocial barriers, potentially increasing engagement while mitigating vulnerabilities. Future research should assess the effectiveness of these interventions across diverse older 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 | 0,011 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».