한줄 요약: 

짧은 요약(Abstract) :    




커뮤니티 원격 건강 프로그램(CTPs)은 저소득 노인들이 커뮤니티 환경(예: 은퇴 주택)에서 원격 건강 서비스를 받을 수 있도록 합니다. Telehealth Intervention Program for Seniors (TIPS)는 원격 간호사가 관리하는 주요 신호 모니터링 서비스를 제공하는 CTP입니다. TIPS는 영어 능력이 제한된 참가자들을 성공적으로 모집하고 유지했지만, 언어 서비스 부족은 이들 참가자의 공평한 의료 접근을 방해할 수 있습니다. 우리는 두 단계로 이루어진 혼합 방법 연구를 진행했습니다. 먼저 간호사들이 언어 장벽 때문에 정보를 수집하는 데 겪는 어려움과 이를 해결하기 위한 우회 방법을 파악하기 위해 40개의 간호 노트를 질적으로 분석했습니다. 그런 다음 이러한 어려움과 우회 방법이 영어 능력이 제한된 참가자와 능숙한 참가자 간에 얼마나 확장되는지 양적으로 비교하기 위해 23,975개의 간호 노트를 분석했습니다. 우리는 자동 번역 서비스와 같은 단기 해결책을 넘어선 미래 연구에 대한 시사점을 제시하고, 새로운 기술적 해결책이 간호사의 우회 방법과 보호자의 부담을 어떻게 지원하고 개선할 수 있는지 논의합니다.


Community telehealth programs (CTPs) enable low-income older adults to receive telehealth services in community settings (e.g., retirement homes). The Telehealth Intervention Program for Seniors (TIPS) is a CTP that provides vital sign monitoring services managed by remote nurses. TIPS has successfully recruited and retained Limited English Proficient (LEP) participants, but lack of language services might hinder LEP participants’ equitable access to care. We conducted a two-part mixed-methods study. We first qualitatively analyzed 40 nurse notes to identify challenges nurses encounter gathering information due to language barriers and the workarounds they employed to address these. We then tested our qualitative findings on 23,975 nurse notes to quantify and compare how these challenges and workarounds scale between LEP and English-proficient TIPS participants. We present future research implications beyond low-hanging solutions, such as automated translation services, and discuss how novel technological solutions can support and ameliorate nurse workarounds and caregiver burden.






* Useful sentences :

단어정리

Methodology

데이터 수집 및 처리
TIPS는 2014년부터 2019년까지 프로그램 활동에 대한 데이터 기록을 제공했습니다. 데이터셋은 다음 네 가지로 구성됩니다: (1) 참가자의 기본 인구 통계 정보(나이, 성별, 언어 선호도)와 만성 질환 기록(고혈압, 당뇨 등), (2) 주요 생체 신호(혈압, 산소포화도, 체중), (3) 사전 정의된 임상 범위를 벗어난 신호로 인해 발생한 경고, (4) 각 경고에 대해 원격 간호사가 응답한 노트. 이 데이터는 비식별화된 상태로 제공되었으며, 참가자의 중요한 생체 신호와 자가 보고 데이터가 포함되어 있어, 본 연구는 대학의 IRB(기관생명윤리위원회)에서 면제 승인을 받았습니다.
참가자 제외 기준
2015년 5월부터 2019년 10월까지 TIPS에 등록하고 활동한 참가자 2,778명 중 24,934개의 경고가 발생했습니다. 우리는 경고에 대해 간호사가 응답한 기록이 있는 참가자만을 분석 대상으로 삼았으며, 인구 통계 정보가 누락된 참가자는 제외했습니다. 이 결과, 1,208명의 참가자와 20,476개의 경고가 분석에 포함되었습니다.
참가자 요약
분석에 포함된 1,208명의 참가자 중, 23%는 영어 능력이 제한된 참가자(LEP)였고 77%는 영어 능숙자였습니다. 두 그룹 모두 대다수가 60세 이상이며, 만성 질환을 가진 여성 참가자들이 주를 이루었습니다.
질적 분석: 언어 장벽이 언급된 간호 노트 분석
우리는 언어 장벽이 언급된 간호 노트를 질적으로 분석하여, 간호사들이 정보를 수집하는 과정에서 겪는 어려움과 그들이 사용하는 해결 방법을 파악했습니다. 이 분석을 위해 참가자가 초기 등록 시 영어를 선호하지 않는다고 보고한 노트 중, ‘언어 장벽’, ‘약간의 영어’, ‘영어를 말하지 못함’, ‘스페인어’, ‘번역’, ‘통역’ 등의 키워드가 포함된 노트를 필터링하여 분석했습니다.
질적 분석 방법
첫 10%의 노트를 두 명의 연구자가 공동으로 오픈 코딩하고, 상호 피드백을 반영하여 코드를 조정했습니다. 그런 다음 나머지 노트를 오픈 코딩했으며, 코드 간의 공통 주제를 그룹화하여 축 코드를 도출하고, 이를 기반으로 간호사 노트의 주요 이론을 개발했습니다.
양적 분석: 언어 능력에 따른 간호 노트 내용 차이 분석
양적 분석을 위해 간호 노트 내용을 코드북을 사용하여 분류하고, 이를 기반으로 LEP 참가자와 영어 능숙 참가자 간의 차이를 분석했습니다. 이를 위해 chi-square 분석을 사용하여 주제별로 노트 내용이 두 그룹 간에 통계적으로 유의미한 차이가 있는지 확인했습니다.

Data Collection and Processing
TIPS supplied data records of program activity from 2014 to 2019. The dataset comprised four components: (1) participants’ baseline demographics (age, sex, and language preference) and history of chronic conditions (e.g., hypertension, diabetes), (2) their vital sign readings (blood pressure, pulse oximetry, and weight), (3) the triggered alerts due to being out of pre-defined clinical ranges, and (4) nurse notes: remote nurses’ response notes associated with each alert. As these data are de-identified and contain participants’ vital and self-reported data, this research was approved as exempt by our university’s IRB.
Participant Exclusion Criteria
Of the 2,778 participants enrolled in TIPS and active between May 2015 and October 2019, who triggered 24,934 alerts, we only included participants with at least one alert and corresponding response from a nurse in their program history. We further excluded participants with missing demographic information in their intake forms, focusing on those who reported their language proficiency. As a result, 1,208 participants with 20,476 unique alerts were included in our analysis.
Summary of Participants
Our data consists of 1,208 participants, of which 23% were LEP participants, and 77% were English-proficient participants. Both LEP and English-proficient participants were predominantly over 60 years old, female, and had a history of chronic conditions.
Qualitative Analysis: Nurse notes that mention a language barrier
We qualitatively analyzed notes that mentioned there was a language barrier in the interaction with the participant to identify compelling and relevant themes related to

Results

정보 수집 및 지시 전달에서의 어려움 (RQ1)
간호사들은 언어 장벽 때문에 정보 수집에 어려움을 겪었습니다. 주된 이유는 (1) 잘못된 전화번호, (2) 난청, (3) 통화 불가능 등의 문제가 있었습니다. 잘못된 전화번호는 간호사들이 참가자와 연락을 할 수 없도록 만들었고, 이런 문제는 오랫동안 지속되었습니다. 또한, 난청이나 통화 불가능으로 인해 간호사들이 참가자와의 접촉을 하지 못하는 경우가 있었습니다.
해결 방법 (RQ2)
간호사들은 언어 장벽을 극복하기 위해 두 가지 주된 해결 방법을 사용했습니다. 첫 번째는 참가자의 가족 또는 보호자에게 연락하여 보다 풍부한 맥락적 정보를 얻는 것이었고, 두 번째는 참가자의 최근 건강 상태를 보완하기 위해 참가자의 의료 기록과 생체 신호 이력을 검토하는 것이었습니다. 가족이나 보호자와의 대화를 통해 간호사들은 더 많은 정보를 얻고, 이에 따라 참가자에게 보다 종합적인 의료 지침을 제공할 수 있었습니다.
비교 분석 (RQ3)
영어 능력이 제한된 참가자(LEP)와 능숙한 참가자 간의 간호 노트 내용 차이를 분석한 결과, LEP 참가자들에서 연락 실패(잘못된 전화번호)가 더 많이 발생했으며, 가족을 통한 정보 수집이 더 빈번하게 이루어졌습니다. 반면, LEP 참가자들의 경우 정보 수집 시 생체 신호 이력 검토가 영어 능숙 참가자에 비해 덜 이루어졌습니다.
비교 모델 및 성능 척도
Chi-square 분석을 통해 LEP와 영어 능숙 참가자 간의 통계적으로 유의미한 차이를 확인했습니다. 예를 들어, 잘못된 전화번호의 비율은 LEP 참가자에게서 기대값의 2.5배 더 높았고, 가족을 통한 정보 수집은 LEP 참가자에게서 기대값보다 1.5배 더 많이 이루어졌습니다. 이러한 차이는 모두 통계적으로 유의미한 차이를 보였습니다(p < 0.001).

Challenges with Information Gathering and Instruction with LEP Participants (RQ1)
Nurses encountered challenges in information gathering due to language barriers. The main reasons were (1) wrong or invalid phone numbers, (2) hard of hearing, and (3) unavailability to speak. Wrong phone numbers prevented nurses from contacting participants, and these issues often persisted for long periods. Additionally, difficulties in hearing or unavailability to speak also hindered nurses‘ ability to make contact with participants.
Nurses’ Workarounds in Information Gathering and Instruction Delivery (RQ2)
Nurses employed two common workarounds to circumvent these challenges. The first was reaching out to participants’ family members or caregivers for richer contextual information. The second was supplementing the information gathered by reviewing the participant’s medical and vital sign history to assess the participant’s health status when they couldn’t gather all the necessary information directly from the participant. The involvement of family members or caregivers provided more detailed context, allowing nurses to provide more comprehensive care instructions.
Comparison Analysis (RQ3)
The chi-square analysis revealed significant differences between LEP and English-proficient participants. LEP participants had disproportionately higher rates of failed contact due to wrong phone numbers and were more likely to involve family members in gathering information. On the other hand, LEP participants had fewer instances of nurses reviewing their medical and vital sign history compared to English-proficient participants.
Comparison Models and Performance Metrics
The chi-square analysis highlighted statistically significant differences between the two groups. For example, wrong phone numbers were 2.5 times more common among LEP participants than expected, and family involvement in information gathering was 1.5 times more frequent among LEP participants than expected. These differences were statistically significant (p < 0.001).

예시

간호사들은 LEP(영어 능력이 제한된) 참가자와 소통할 때 종종 언어 장벽으로 인한 어려움을 겪었습니다. 예를 들어, 한 간호사가 고혈압에 대한 경고 신호를 받은 후 LEP 참가자에게 연락을 시도했으나, 그 참가자는 영어를 거의 이해하지 못했습니다. 간호사는 ”혈압이 높습니다“라고 전달하려 했으나, 참가자는 이를 ”머리가 아프냐“는 질문으로 잘못 이해했습니다. 이로 인해 간호사는 참가자가 응급 상황임을 이해하지 못하게 되어 문제를 해결하는 데 어려움이 있었습니다.

해결 방법
이를 해결하기 위해, 간호사는 Google 번역기를 사용해 ”혈압이 높습니다. 의사에게 가세요“라는 문장을 스페인어로 번역하려 했습니다. 하지만 자동 번역 시스템은 특정 의료 용어를 정확하게 전달하지 못해, 참가자는 여전히 상황을 이해하지 못했습니다. 그 결과, 간호사는 참가자의 딸에게 연락하여 번역을 부탁했고, 딸이 이를 참가자에게 설명해 문제를 해결할 수 있었습니다.

기법 사용 및 완화 방법
이를 개선하기 위한 기법 중 하나는 프로페셔널 통역 서비스의 도입입니다. 연구에서는 Google 번역기나 비공식적인 번역 도구 대신, 전문 통역사가 참여한 경우 소통의 정확성이 현저하게 향상되었음을 발견했습니다. 통역사를 이용했을 때는 참가자와의 소통이 원활하게 이루어졌고, 참가자는 즉각적인 의료 조치를 취할 수 있었습니다.

실제 사례
예를 들어, 고혈압 경고가 발생했을 때 전문 통역사가 개입하여 ”혈압이 위험할 정도로 높습니다. 지금 바로 병원을 방문하세요“라고 정확하게 전달했습니다. 이로 인해 참가자는 즉시 병원을 방문하여 적절한 처치를 받을 수 있었습니다. 이처럼, 전문 통역 서비스를 사용할 경우 언어 장벽으로 인한 오해가 줄어들어, 의료 서비스 제공이 원활해졌습니다.

Nurses often faced difficulties communicating with LEP (Limited English Proficient) participants due to language barriers. For instance, when a nurse received an alert about high blood pressure, they tried to contact an LEP participant. However, the participant, who understood very little English, misinterpreted the nurse‘s attempt to say ”your blood pressure is high“ as ”do you have a headache?“ This misunderstanding prevented the participant from grasping the seriousness of the situation, causing delays in resolving the issue.

Solution
To address this, the nurse attempted to use Google Translate to communicate ”Your blood pressure is high. Please see a doctor“ in Spanish. However, the automatic translation system failed to accurately convey the medical terminology, leaving the participant still confused. As a result, the nurse contacted the participant’s daughter, who was able to explain the situation to the participant, ultimately resolving the issue.

Mitigation Techniques and Results
One effective technique to mitigate these challenges is the use of professional interpreter services. The study found that when a professional interpreter was involved instead of informal tools like Google Translate, communication accuracy significantly improved. With the help of an interpreter, the conversation with the participant flowed smoothly, and the participant could take immediate medical action.

Real Case Example
For instance, when an alert for high blood pressure was triggered, a professional interpreter communicated the message accurately: ”Your blood pressure is dangerously high. You need to visit the hospital immediately.“ This clear communication prompted the participant to visit the hospital right away, receiving timely medical attention. By using professional interpreter services, misunderstandings due to language barriers were minimized, allowing for more effective healthcare delivery.

요약

이 연구에서는 언어 장벽으로 인해 간호사들이 정보를 수집하는 데 어려움을 겪었고, 이를 해결하기 위해 참가자의 가족이나 보호자에게 연락하거나 의료 기록을 검토하는 방법을 사용했습니다. 그러나 LEP(영어 능력이 제한된) 참가자와 연락할 때는 잘못된 전화번호와 같은 문제로 어려움이 더 많이 발생했습니다. Google 번역과 같은 도구는 제한적이었고, 전문 통역사가 참여할 때 소통이 훨씬 더 원활하게 이루어졌습니다. Chi-square 분석을 통해 LEP 참가자에서 가족의 도움을 통한 정보 수집이 더 많이 이루어진다는 점과 잘못된 전화번호 문제가 더 자주 발생한다는 것을 발견했습니다. 전문 통역 서비스 도입은 언어 장벽 문제를 효과적으로 완화할 수 있었습니다.

This study found that nurses faced challenges gathering information due to language barriers, and they addressed this by contacting participants’ family members or reviewing medical records. LEP (Limited English Proficient) participants experienced more difficulties, such as wrong phone numbers, compared to English-proficient participants. Tools like Google Translate were limited, and communication was significantly improved when professional interpreters were involved. The chi-square analysis revealed that LEP participants relied more on family assistance for communication and had more issues with wrong phone numbers. Introducing professional interpreter services effectively mitigated the challenges caused by language barriers.

기타

refer format:

@inproceedings{Calambur2024, author = {Veena Calambur and Dong Whan Jun and Melody Schiaffino and Zhan Zhang and Jina Huh-Yoo}, title = {A case for ”little English“ in Nurse Notes from the Telehealth Intervention Program for Seniors: Implications for Future Design and Research}, booktitle = {Proceedings of the CHI Conference on Human Factors in Computing Systems (CHI ‘24)}, year = {2024}, pages = {1–16}, publisher = {ACM}, address = {Honolulu, HI, USA}, doi = {10.1145/3613904.3641961}, isbn = {979-8-4007-0330-0} }

Calambur, Veena, Dong Whan Jun, Melody Schiaffino, Zhan Zhang, and Jina Huh-Yoo. ”A Case for ‘Little English’ in Nurse Notes from the Telehealth Intervention Program for Seniors: Implications for Future Design and Research.“ In Proceedings of the CHI Conference on Human Factors in Computing Systems (CHI ‘24), 1-16. Honolulu, HI, USA, May 11–16, 2024. ACM. https://doi.org/10.1145/3613904.3641961.