Remote Monitoring Technology to Improve Blood Pressure in a Rural Population
Notice bibliographique
Résumé
Hypertension increases the risk of developing cardiovascular disease and the risk is greater in rural communities with reduced access to health services. Exercise has been shown to improve blood pressure (BP), but facilities may be lacking in rural areas. PURPOSE: The purpose of this study was to examine the effects of exercise prescription and remote monitoring of BP and activity on systolic and diastolic BP. METHODS: 40 participants were given a BlackBerry Smartphone with Healthanywhere monitoring software, a Bluetooth enabled BP monitor and a pedometer for home monitoring of thrice-weekly BP and daily steps. The intervention was 24 weeks with comparison of BP and steps from weeks 1-12 and 13-24. Personalized exercise prescription was based on the results of a submaximal STEP™ test. RESULTS: Daily activity increased from an average of 7580±418 steps/day during the first 12 weeks to 8053±415 steps/day during the latter half of the intervention (p=0.042). Systolic BP was reduced from 127±2 to 123±2mmHg (p<0.001) and diastolic BP from 81±1 to 80±1mmHg (p=0.013). These positive changes occurred despite the fact that the percent of pedometer readings submitted was reduced from 85.2±2.6% to 77.6±4.5% (p=0.016) and BP measurements submitted decreased from 93.7±1.6% to 85.3% (p=0.006) from the first to the second half of the intervention. CONCLUSION: These findings support the use of remote monitoring technology in conjunction with exercise prescription to effectively reduce cardiovascular risk. Further, positive outcomes may persist with reduced frequency of health monitoring.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».