MétaCan
Menu
Retour à la cohorte
Enregistrement W2172171881 · doi:10.2196/mhealth.4649

The Development of the Recovery Assessments by Phone Points (RAPP): A Mobile Phone App for Postoperative Recovery Monitoring and Assessment

2015· article· en· W2172171881 sur OpenAlexvenueno aff
Maria Jaensson, Karuna Dahlberg, Mats Eriksson, Åke Grönlund, Ulrica Nilsson

Notice bibliographique

RevueJMIR mhealth and uhealth · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueNausea and vomiting management
Établissements canadiensnon disponible
Organismes subventionnairesForskningsrådet om Hälsa, Arbetsliv och VälfärdÖrebro Universitet
Mots-clésmHealthMobile phoneMedicinePhoneCohortMedical emergencyPatient satisfactionAdverse effectNursingComputer sciencePsychological intervention

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In Sweden, day surgery is performed in almost 2 million patients per year. Patient satisfaction is closely related to potential adverse events during the recovery process. A way to empower patients and give them the opportunity to affect care delivery is to let them evaluate their recovery process. The most common evaluation method is a follow-up telephone call by a nurse one or two days after surgery. In recent years, mHealth apps have been used to evaluate the nurse-patient relationship for self-management in chronic diseases or to evaluate pain after surgery. To the best of our knowledge, no previous research has explored the recovery process after day surgery via mobile phone in a Swedish cohort. OBJECTIVE: The objective of the study is to describe the process of developing a mobile phone app using a Swedish Web-based Quality of Recovery (SwQoR) questionnaire to evaluate postoperative recovery after day surgery. METHODS: The development process included five steps: (1) setting up an interdisciplinary task force, (2) evaluating the potential needs of app users, (3) developing the Swedish Web version of a QoR questionnaire, (4) constructing a mobile phone app, and (5) evaluating the interface and design by staff working in a day-surgery department and patients undergoing day surgery. A task force including specialists in information and communication technology, eHealth, and nursing care worked closely together to develop a Web-based app. Modifications to the QoR questionnaire were inspired by instruments used in the field of recovery for both children and adults. The Web-based app, Recovery Assessment by Phone Points (RAPP) consists of two parts: (1) a mobile app installed on the patient's private mobile phone, and (2) an administrator interface for the researchers. RESULTS: The final version of the SwQoR questionnaire, which includes 31 items, was successfully installed in RAPP. The interface and the design were evaluated by asking for user opinions about the design and usefulness of the app with 10 day surgery patients. Some minor adjustments were made concerning text size and screen color. CONCLUSIONS: Taking advantage of joint expertise, a useable Web-based app adaptable to different technical platforms was constructed. In addition, the SwQoR was successfully transferred into digital format for use on mobile phones.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,004

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,417
Écart entre enseignants0,346 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations66
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetNausea and vomiting managementTravaux en français237 207