MétaCan
Menu
Retour à la cohorte
Enregistrement W2808759103 · doi:10.2196/mhealth.8292

Capturing Rest-Activity Profiles in Schizophrenia Using Wearable and Mobile Technologies: Development, Implementation, Feasibility, and Acceptability of a Remote Monitoring Platform

2018· article· en· W2808759103 sur OpenAlexvenueno aff
Nicholas Meyer, Maximilian Kerz, Amos Folarin, Dan W. Joyce, Richard Jackson, Chris Karr, Richard Dobson, James H. MacCabe

Notice bibliographique

RevueJMIR mhealth and uhealth · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilSouth London and Maudsley NHS Foundation TrustNIHR Maudsley Biomedical Research CentreKing's College LondonNational Institute for Health and Care ResearchNIHR Biomedical Research Centre, Royal Marsden NHS Foundation Trust/Institute of Cancer Research
Mots-clésWearable computerWearable technologyComputer scienceMobile technologyHuman–computer interactionMobile devicemHealthMultimediaInternet privacyWorld Wide WebEmbedded systemPsychologyPsychological interventionPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is growing interest in the potential for wearable and mobile devices to deliver clinically relevant information in real-world contexts. However, there is limited information on their acceptability and barriers to long-term use in people living with psychosis. OBJECTIVE: This study aimed to describe the development, implementation, feasibility, acceptability, and user experiences of the Sleepsight platform, which harnesses consumer wearable devices and smartphones for the passive and unobtrusive capture of sleep and rest-activity profiles in people with schizophrenia living in their homes. METHODS: A total of 15 outpatients with a diagnosis of schizophrenia used a consumer wrist-worn device and smartphone to continuously and remotely gather rest-activity profiles over 2 months. Once-daily sleep and self-rated symptom diaries were also collected via a smartphone app. Adherence with the devices and smartphone app, end-of-study user experiences, and agreement between subjective and objective sleep measures were analyzed. Thresholds for acceptability were set at a wear time or diary response rate of 70% or greater. RESULTS: Overall, 14 out of 15 participants completed the study. In individuals with a mild to moderate symptom severity at baseline (mean total Positive and Negative Syndrome Scale score 58.4 [SD 14.4]), we demonstrated high rates of engagement with the wearable device (all participants meeting acceptability criteria), sleep diary, and symptom diary (93% and 86% meeting criteria, respectively), with negative symptoms being associated with lower diary completion rate. The end-of-study usability and acceptability questionnaire and qualitative analysis identified facilitators and barriers to long-term use, and paranoia with study devices was not a significant barrier to engagement. Comparison between sleep diary and wearable estimated sleep times showed good correspondence (ρ=0.50, P<.001). CONCLUSIONS: Extended use of wearable and mobile technologies are acceptable to people with schizophrenia living in a community setting. In the future, these technologies may allow predictive, objective markers of clinical status, including early markers of impending relapse.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,628
Score d'incertitude au seuil0,792

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,148
Tête enseignante GPT0,481
Écart entre enseignants0,333 · 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

Citations64
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetDigital Mental Health InterventionsTravaux en français237 207