MétaCan
Menu
Retour à la cohorte
Enregistrement W2780008615 · doi:10.2196/mhealth.7427

Connected Health Devices for Health Care in French General Medicine Practice: Cross-Sectional Study

2017· article· en· W2780008615 sur OpenAlexvenueno aff
Leila El Amrani, Agnès Oude Engberink, Grégory Ninot, Maurice Hayot, François Carbonnel

Notice bibliographique

RevueJMIR mhealth and uhealth · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCross-sectional studyTelemedicineMedicineFamily medicineHealth caremHealthPopulationNursingEnvironmental healthPsychological intervention

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The integration of Connected Health Devices (CHDs) is growing within mobile health (mHealth) and telemedicine, encouraged by institutions and industries. The idea is to improve lifestyle habits and health behaviors as a preventive goal in an aging population with fewer physicians available. However, their ill-defined place in health care does not promote their use in current medical practice. OBJECTIVE: The primary objective of this study was to quantify CHDs' use rate by general practitioners (GPs). A secondary objective was to evaluate their benefits and limitations in usual care. METHODS: A cross-sectional study through an Internet-based survey was addressed to French GPs via regional medical unions and continuous education agencies, supplemented with an informative website, from March 2015 to July 2015. Surveys where either the form was insufficiently filled or the main question was left unanswered were excluded from the study. RESULTS: A total of 1084 answers were analyzed, of which 19.46% (211/1084, 95% CI 17.1-21.8) GPs used CHDs, and 10.15% (110/1084, 95% CI 8.5-12.1) prescribed a CHD. CHD users statistically prescribed more CHDs (7.38% [80/1084] in the user group vs 2.86% [31/1084] in nonusers; P<.001) and were more likely to use them in the future. Major interests in their utilization were in patient monitoring for 84.96% (921/1084) and patient education for 75.83% (822/1084), especially for diabetes (89.67%, 972/1084) and hypertension (84.13%, 912/1084). Generated data had to be managed securely by the patient primarily for 85.79% (930/1084) of the GPs. CHDs had to not constrain GPs outside clinical consultation, nor restrain their time for 75.83% (822/1084). Additional actors in patient care were not desired for 79.98% (867/1084) of the GPs. Questions about data management issues and technical difficulties were raised. CONCLUSIONS: CHDs are little used by French GPs and even less prescribed to their patients, as only a few GPs use these tools. Their benefits as tools of patient empowerment, although expected, remain to be demonstrated in real-life setups.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,095
Score d'incertitude au seuil0,189

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,134
Tête enseignante GPT0,580
Écart entre enseignants0,446 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207