Predictive Data Analytics in Telecare and Telehealth: Systematic Scoping Review.

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

BackgroundTelare ve telehealth, bireylerin evde daha bağımsız yaşamalarını desteklemek için kullanılan önemli bakım hizmetleridir. Tarihsel olarak, bu teknolojiler sorunlara tepkisel olarak yanıt vermiştir. Ancak, daha proaktif ve öngörücü bakımı kolaylaştırmak için bu hizmetlerden gelen verilerin daha iyi kullanılması için son zamanlarda bir sürücü olmuştur.ObjectiveBu inceleme, tahmin edici veri analitiği tekniklerinin ev içi ayarlarda telekare ve telehealth'te uygulandığı yolları araştırmayı amaçlamaktadır.MethodsThe PRISMA-ScR (Sistemsel İncelemeler ve Meta-Analizler için Öngörülen Raporlama Öğeleri) listesi ve Scoping İncelemeleri için Meta-Analyses uzantısına bağlı kalmıştır. 2012-2022 yılları arasında MEDLINE, Embasse ve Social Science Premium Collection'da yayınlanan İngilizce dil makaleleri dikkate alınmış ve sonuçlar dahil veya hariç tutma kriterlerine karşı taranmıştır.SonuçlarToplam 86 makale bu incelemeye dahil edilmiştir. Bu incelemede yer alan analitik türleri anomali tespiti (n=21), tanı (n=32), tahmin (n=22) ve aktivite tanıma (n=11) olarak kategorize edilebilir. En sık görülen sağlık koşulları Parkinson hastalığı (n=12) ve kardiyovasküler durumlar (n=11) idi. Başlıca bulgular şunlardır: rutin olarak toplanan verilerin kullanılmaması; tanı araçlarının baskınlığı; ve hasta tarafından bildirilen sonuçları içeren engeller ve fırsatlar, telecare ve telehealth'te gelecekteki öngörüsel analizler için.Bu incelemedeki tüm makaleler küçük ölçekli pilotlardı ve bu nedenle gelecekteki araştırmalar bu öngörü tekniklerini daha büyük denemelere uygulamaya çalışmalıdır. Ek olarak, rutin olarak toplanan bakım verilerinin ve hasta tarafından bildirilen sonuçların telekare ve telesağlıktaki öngörüsel modellere daha fazla entegrasyonu, yapılan analizleri iyileştirmek için önemli fırsatlar sunar ve daha fazla araştırılmalıdır. Kullanılan veri setleri, modellerin daha geniş bir nüfusa genelleştirilebilir olmasını ve uygun şekilde eğitilebilmesini, doğrulanabilmesini ve test edilebilmesini sağlayarak uygun boyut ve çeşitlilikte olmalıdır.

Özgün kaynak özetini okuyun

BackgroundTelecare and telehealth are important care-at-home services used to support individuals to live more independently at home. Historically, these technologies have reactively responded to issues. However, there has been a recent drive to make better use of the data from these services to facilitate more proactive and predictive care.ObjectiveThis review seeks to explore the ways in which predictive data analytics techniques have been applied in telecare and telehealth in at-home settings.MethodsThe PRISMA-ScR (Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews) checklist was adhered to alongside Arksey and O'Malley's methodological framework. English language papers published in MEDLINE, Embase, and Social Science Premium Collection between 2012 and 2022 were considered and results were screened against inclusion or exclusion criteria.ResultsIn total, 86 papers were included in this review. The types of analytics featuring in this review can be categorized as anomaly detection (n=21), diagnosis (n=32), prediction (n=22), and activity recognition (n=11). The most common health conditions represented were Parkinson disease (n=12) and cardiovascular conditions (n=11). The main findings include: a lack of use of routinely collected data; a dominance of diagnostic tools; and barriers and opportunities that exist, such as including patient-reported outcomes, for future predictive analytics in telecare and telehealth.ConclusionsAll papers in this review were small-scale pilots and, as such, future research should seek to apply these predictive techniques into larger trials. Additionally, further integration of routinely collected care data and patient-reported outcomes into predictive models in telecare and telehealth offer significant opportunities to improve the analytics being performed and should be explored further. Data sets used must be of suitable size and diversity, ensuring that models are generalizable to a wider population and can be appropriately trained, validated, and tested.

Bilimsel değerlendirme

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.