The Effectiveness of Personalized Bowel Preparation Using a Smartphone Camera Application: A Randomized Pilot Study
Notice bibliographique
Résumé
Background . We aimed to investigate the effectiveness of a smartphone application that analyzes and judges the optimal dosage of polyethylene glycol (PEG) for bowel preparation. Methods . Patients were assigned to use the smartphone camera application (app group) or written instructions (non-app group). The smartphone camera application was programmed to analyze the bowel preparation quality and automatically determine the dosage of PEG from an analysis of stool images. In contrast, the non-app group consumed PEG solution according to the manual. Results . The primary outcome was the quality of the bowel preparation based on blinded ratings using the Ottawa bowel preparation scale (OBPS). There was no statistically significant difference in the mean OBPS scores between the two groups (<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mml:mi>P</mml:mi><mml:mo>=</mml:mo><mml:mn>0.950</mml:mn></mml:math>). However, the app group consumed a lower dose of PEG than the non-app group (mean dosage (mL): 3713.2 ± 405.8 versus 3979.2 ± 102.06, <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M2"><mml:mi>P</mml:mi><mml:mo>=</mml:mo><mml:mn>0.001</mml:mn></mml:math>). The app group (5-point Likert scale; mean score 4.37 ± 0.895) had high acceptance of the application. Conclusions . Although the app group consumed a lower PEG dose, the bowel preparation quality was similar in the two groups. Moreover, use of the smartphone camera application enhanced compliance with the bowel preparation.
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 | 0,013 | 0,006 |
| 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 | 0,001 | 0,001 |
| 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 ».