Developing an Evidence-Based Epilepsy Risk Assessment eHealth Solution: From Concept to Market
Notice bibliographique
Résumé
INTRODUCTION: Sudden unexpected death in epilepsy (SUDEP) is possibly the most common cause of death as a result of complications from epilepsy. The need to educate and regularly review risk for all patients with epilepsy is paramount, but rarely delivered in actual clinical practice. Evidence suggests that education around SUDEP and modifiable risk variables translate into better self-management of epilepsy. OBJECTIVE: We aimed to develop and implement an eHealth solution to support education and self-management of risks, in epilepsy. METHODS: We undertook an innovation pathways approach, including problem identification, feasibility assessment, design, implementation, and marketing. People with epilepsy were provided a smartphone-based app (Epilepsy Self-Monitor, EpSMon), which translates the clinical risk assessment tool into an educational and self-monitoring platform, for the self-management of epilepsy. RESULTS: Results include the success of the marketing campaign, and in what areas, with an estimated reach of approximately 38 million people. EpSMon has proved a success in academic and clinical circles, attracting awards and nominations for awards. The number of users of EpSMon, after 3 months, turned out to be lower than expected (N=221). A 4-month trial of the app in use in the United Kingdom, and the success of the marketing strategy, point to necessary changes to the model of delivery and marketing, summarized in this paper. These include the marketing message, user cost model, and need for the availability of an Android version. CONCLUSIONS: EpSMon has proven a success in respect to its reception by academics, clinicians, stakeholder groups, and the patients who use it. There is work needed to promote the model and increase its acceptability/attractiveness, including broadening the marketing message, increasing its availability, and reducing its cost. Future development and promotion of the tool will hopefully inform iterative design of its core features for a receptive audience and lead to increased uptake as it is launched worldwide in 2016.
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 | 0,059 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,009 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».