The Use of Digital and Remote Communication Technologies as a Tool for Multiple Sclerosis Management: Narrative Review
Notice bibliographique
Résumé
Despite recent advances in multiple sclerosis (MS) care, many patients only infrequently access health care services, or are unable to access them easily, for reasons such as mobility restrictions, travel costs, consultation and treatment time constraints, and a lack of locally available MS expert services. Advances in mobile communications have led to the introduction of electronic health (eHealth) technologies, which are helping to improve both access to and the quality of health care services. As the Internet is now readily accessible through smart mobile devices, most people can take advantage of eHealth apps. The development of digital applications and remote communication technologies for patients with MS has increased rapidly in recent years. These apps are intended to complement traditional in-clinic approaches and can bring significant benefits to both patients with MS and health care providers (HCPs). For patients, such eHealth apps have been shown to improve outcomes and increase access to care, disease information, and support. These apps also help patients to participate actively in self-management, for example, by tracking adherence to treatment, changes in bladder and bowel habits, and activity and mood. For HCPs, MS eHealth solutions can simplify the multidisciplinary approaches needed to tailor MS management strategies to individual patients; facilitate remote monitoring of patient symptoms, adverse events, and outcomes; enable the efficient use of limited resources and clinic time; and potentially allow more timely intervention than is possible with scheduled face-to-face visits. These benefits are important because MS is a long-term, multifaceted chronic condition that requires ongoing monitoring, assessment, and management. We identified in the literature 28 eHealth solutions for patients with MS that fall within the four categories of screening and assessment, disease monitoring and self-management, treatment and rehabilitation, and advice and education. We review each solution, focusing on any clinical evidence supporting their use from prospective trials (including ASSESS MS, Deprexis, MSdialog, and the Multiple Sclerosis Performance Test) and consider the opportunities, barriers to adoption, and potential pitfalls of eHealth technologies in routine health care.
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 | 0,000 | 0,016 |
| 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 | 0,003 |
| 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 ».