MétaCan
Menu
Retour à la cohorte
Enregistrement W2784416023 · doi:10.33015/dominican.edu/2017.ot.rp.22

Managing Fatigue with Technology for Individuals with Multiple Sclerosis

2017· preprint· en· W2784416023 sur OpenAlexaboutno aff
May Anne Gamueda, Janie Grant, America Ortega, Jordan Song

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueEffects of Vibration on Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMultiple sclerosismHealthPhysical medicine and rehabilitationPsychologyPhysical therapyMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The purpose of this study was to investigate whether a mobile health application (mHealth app) will result in a decrease in fatigue and an increase in adherence to energy conservation techniques for adults with multiple sclerosis (MS). METHOD: Using a quantitative, exploratory, pretest and post-test design, we examined the use of the mHealth app, Pace My Day (PMD), by seven participants during one chosen task while incorporating energy conservation strategies for two weeks. Main outcome measures included Modified Fatigue Impact Scale (MFIS) and Canadian Occupational Performance Measure (COPM). RESULTS: There was a significant decrease in the MFIS scores indicating a decrease in fatigue over the two-week period t(6)=5.75, p=0.001. CONCLUSION: Use of mHealth apps and energy conservation strategies were found to significantly reduce levels of fatigue and increase self-perceived performance and satisfaction of task execution.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,485
Score d'incertitude au seuil0,984

Scores Codex et Gemma par catégorie

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

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 Opus0,082
Tête enseignante GPT0,347
Écart entre enseignants0,265 · 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 tête enseignante, 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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEffects of Vibration on HealthTravaux en français237 207