Abstract 203: Adoptions of Smartphones, Tablets, and Mobile Applications Among Patients with Hypertension
Notice bibliographique
Résumé
optimize management, monitoring, and therapy compliance in patients with hypertension (HTN). It could potentially prevent unnecessary emergency room visits and hospital admissions. Methods: We surveyed patients with HTN in cardiology and primary care clinics regarding their use of mobile technology. Results: 148 patients were included (79 female; age 16-64: 47%, >65: 53%, 70 male; 18-64:41%, >65: 59%). Associated diagnosis were coronary artery disease (21%), myocardial infarction (13%), arrhythmias (36%), heart failure (6%), or other forms of heart disease (3%). 83% own a cell phone, 29% are smartphones. 78% own a personal computer, laptop, iPod, or tablet. 35% report using APPS, of which 26% use health-related applications. 2% used APPS for blood pressure monitoring or management. 17% used APPS for diet or calorie counters, 13% for exercise, fitness or heart monitoring. 63% use APPS on a smartphone, 12% on iPod Touch, 62% on Tablet. Among all HTN patients surveyed, 64% report looking up medical information online on a computer, 53% more than once per month. When asked about willingness to pay, 44% were not willing to pay for a smartphone or tablet that would help monitor their condition. 61% were not willing to pay if an ER visit and its copayment could be prevented. 26% were not willing to use these devices if they were free or covered by insurance. Conclusions: A majority of HTN patients surveyed had access to technology with 22% using smartphones with APPS. However, there was limited use of health-specific APPS, especially those related to HTN. Limiting factors may include lack of outcomes-based research, structured programs that incorporate APPS and devices, or lack of familiarity with APPS and technological devices. A comprehensive strategy to develop, market, and demonstrate benefits of this rapidly growing technology is urgently needed.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».