Using Mobile-Health to Connect Women with Cardiovascular Disease and Improve Self-Management
Notice bibliographique
Résumé
Background/Introduction: Self-management approaches are regarded as appropriate methods to support patients with cardiovascular disease (CVD) and to prevent secondary complications and hospitalizations. Key to successful self-management is the ability of individuals to enlist peer supports to help sustain motivation and efforts to manage their condition. The purpose of this study was to investigate the proof of concept of a peer-support mobile-health (m-health) program, called Healing Circles, and explore the program's effect on self-management, social support, and health-related quality of life in women with CVD. MATERIALS AND METHODS: Healing Circles is a consumer m-health solution developed to facilitate peer support and self-management by connecting people with CVD in groups of five to nine people. Women with CVD (obstructive coronary artery disease) were included in this single group, pre/post study if they owned an iPhone/iPad with at least iOS 7.0. Participants (n = 21) used the Healing Circles program for a 10-week period. Self-management, social support, and health-related quality-of-life outcomes were assessed before and after the use of the program. User experiences and satisfaction were obtained during an exit interview. RESULTS: After 10 weeks of using the Healing Circles program, statistically significant improvements were observed in the participants' health behaviors (p = 0.04), self-monitoring (p = 0.04), social support (p = 0.01), and social integration (p = 0.002). As well, many women had a level of high satisfaction with the concept of using m-health for the delivery of peer support. CONCLUSION: The delivery of peer and self-management support using m-health technologies is well received and may improve self-management and social support. More research is needed to test hypotheses of the effect of the Healing Circles program on clinical outcomes.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».