Self-Management Education Through mHealth: Review of Strategies and Structures
Notice bibliographique
Résumé
Background: Despite the plethora of evidence on mHealth interventions for patient education, there is a lack of information regarding their structures and delivery strategies. Objective: This review aimed to investigate the structures and strategies of patient education programs delivered through smartphone apps for people with diverse conditions and illnesses. We also examined the aim of educational interventions in terms of health promotion, disease prevention, and illness management. Methods: We searched PubMed, Cumulative Index to Nursing and Allied Health Literature, Embase, and PsycINFO for peer-reviewed papers that reported patient educational interventions using mobile apps and published from 2006 to 2016. We explored various determinants of educational interventions, including the content, mode of delivery, interactivity with health care providers, theoretical basis, duration, and follow-up. The reporting quality of studies was evaluated according to the mHealth evidence and reporting assessment criteria. Results: In this study, 15 papers met the inclusion criteria and were reviewed. The studies mainly focused on the use of mHealth educational interventions for chronic disease management, and the main format for delivering interventions was text. Of the 15 studies, 6 were randomized controlled trials (RCTs), which have shown statistically significant effects on patients’ health outcomes, including patients’ engagement level, hemoglobin A1c, weight loss, and depression. Although the results of RCTs were mostly positive, we were unable to identify any specific effective structure and strategy for mHealth educational interventions owing to the poor reporting quality and heterogeneity of the interventions. Conclusions: Evidence on mHealth interventions for patient education published in peer-reviewed journals demonstrates that current reporting on essential mHealth criteria is insufficient for assessing, understanding, and replicating mHealth interventions. There is a lack of theory or conceptual framework for the development of mHealth interventions for patient education. Therefore, further research is required to determine the optimal structure, strategies, and delivery methods of mHealth educational interventions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,011 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».