Using a Mobile App for Monitoring Post-Operative Quality of Recovery of Patients at Home: A Feasibility Study
Notice bibliographique
Résumé
BACKGROUND: Mobile apps are being viewed as a new solution for post-operative monitoring of surgical patients. Mobile phone monitoring of patients in the post-operative period can allow expedited discharge and may allow early detection of complications. OBJECTIVE: The objective of the current study was to assess the feasibility of using a mobile app for the monitoring of post-operative quality of recovery at home following surgery in an ambulatory setting. METHODS: We enrolled 65 consecutive patients (n=33, breast reconstruction surgery; n=32, orthopedic surgery) and asked them to use a mobile phone daily to complete a validated quality of recovery scale (QoR-9) and take photographs of the surgical site for the first 30 days post-op. Surgeons were asked to review patient-entered data on each patient in their roster daily. A semistructured questionnaire was administered to patients and surgeons to assess satisfaction and feasibility of the mobile device. RESULTS: All 65 patients completed the study. The mean number of logins was 23.9 (range 7-30) for the breast patients and 19.3 (range 5-30) for the orthopedic patients. The mean number of logins was higher in the first 14 days compared to the 15-30 days post-op for both breast patients (13.4 vs 10.5; P<.001) and for the orthopedic patients (13.4 vs 6.0; P<.001). The mean score for overall satisfaction with using the mobile device was 3.9 for breast patients and 3.7 for orthopedic patients (scored from 1 (poor) to 4 (excellent)). Surgeons reported on the easy-to-navigate design, the portability to monitor patients outside of hospital, and the ability of the technology to improve time efficiency. CONCLUSIONS: The use of mobile apps for monitoring the quality of recovery in post-operative patients at home was feasible and acceptable to patients and surgeons in the current study. Future large scale studies in varying patient populations are required.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».