Does Familiarity with Technology Predict Successful Use of an External Loop Recorder? The Loop Recorder Technology Cognition Study (LOCO)
Notice bibliographique
Résumé
BACKGROUND: The diagnosis of presyncope, syncope, and palpitations is facilitated by successful documentation of the cardiac rhythm during symptoms. We prospectively assessed technological familiarity using a Technology Cognition Questionnaire to determine influence on proper and effective use of an external loop recorder (ELR). METHODS: Patients with palpitations, presyncope, or syncope were assessed for familiarity with technology and provided an ELR for a period of 6 weeks. Proper use of the device was demonstrated to the patient and test transmissions were sent by analog telephone line on a weekly basis. Patients were instructed to activate the device to record cardiac rhythm when symptoms recurred, and to send these recordings via telephone transmission. RESULTS: Ninety-two patients were prospectively enrolled, with mean age 54.9 +/- 20.9 and 42 males (46%). Sixty-five patients (71%) had recurrence of symptoms during the 6-week monitoring period. Among these patients, 40 (62%) were successful in recording and transmitting data such that a diagnosis was made at a median of 8 days (IQR 12.5, range 0-30). Among patients with symptoms during the monitoring period, 36 (55%) had at least one failed recording or transmission. On multivariate analysis, failed symptom recording/transmission was less likely among patients able to program a home video recorder (odds ratio [OR] 0.25 [0.07-0.93]), and more likely among patients who failed a test transmission (OR 3.45 [1.04-11.7]). No variables were independently associated with successful diagnosis. CONCLUSIONS: Familiarity with technology correlates with successful use of the ELR, but does not necessarily correlate with the ability to reach a diagnosis.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».