Variations in the Use of mHealth Tools: The VA Mobile Health Study
Notice bibliographique
Résumé
BACKGROUND: Mobile health (mHealth) technologies exhibit promise for offering patients and their caregivers point-of-need tools for health self-management. This research study involved the dissemination of iPads containing a suite of mHealth apps to family caregivers of veterans who receive care from the Veterans Affairs (VA) Health Administration and have serious physical or mental injuries. OBJECTIVE: The goal of the study was to identify factors and characteristics of veterans and their family caregivers that predict the use of mHealth apps. METHODS: Veteran/family caregiver dyads (N=882) enrolled in VA's Comprehensive Assistance for Family Caregivers program were recruited to participate in an mHealth pilot program. Veterans and caregivers who participated and received an iPad agreed to have their use of the apps monitored and were asked to complete a survey assessing Caregiver Preparedness, Caregiver Traits, and Caregiver Zarit Burden Inventory baseline surveys. RESULTS: Of the 882 dyads, 94.9% (837/882) of caregivers were women and 95.7% (844/882) of veteran recipients were men. Mean caregiver age was 40 (SD 10.2) years and mean veteran age was 39 (SD 9.15) years, and 39.8% (351/882) lived in rural locations. Most (89%, 788/882) of the caregivers were spouses. Overall, the most frequently used app was Summary of Care, followed by RX Refill, then Journal, Care4Caregivers, VA Pain Coach, and last, VA PTSD Coach. App use was significantly predicted by the caregiver being a spouse, increased caregiver computer skills, a rural living location, lower levels of caregiver preparedness, veteran mental health diagnosis (other than posttraumatic stress disorder), and veteran age. CONCLUSIONS: This mHealth Family Caregiver pilot project effectively establishes the VA's first patient-facing mHealth apps that are integrated within the VA data system. Use varied considerably, and apps that were most used were those that assisted them in their caregiving responsibilities.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».