Using a ResearchKit Smartphone App to Collect Rheumatoid Arthritis Symptoms From Real-World Participants: Feasibility Study
Notice bibliographique
Résumé
BACKGROUND: Using smartphones to enroll, obtain consent, and gather self-reported data from patients has the potential to enhance our understanding of disease burden and quantify physiological impact in the real world. It may also be possible to harness integral smartphone sensors to facilitate remote collection of clinically relevant data. OBJECTIVE: We conducted the Patient Rheumatoid Arthritis Data From the Real World (PARADE) observational study using a customized ResearchKit app with a bring-your-own-device approach. Our objective was to assess the feasibility of using an entirely digital approach (social media and smartphone app) to conduct a real-world observational study of patients with rheumatoid arthritis. METHODS: We conducted this observational study using a customized ResearchKit app with a bring-your-own-device approach. To recruit patients, the PARADE app, designed to guide patients through a series of tasks, was publicized via social media platforms and made available for patients in the United States to download from the Apple App Store. We collected patient-reported data, such as medical history, rheumatoid arthritis-related medications (past and present), and a range of patient-reported outcome measures. We included in the assessment a joint-pain map and a novel objective assessment of wrist range of movement, measured by the smartphone-embedded gyroscope and accelerometer. RESULTS: Within 1 month of recruitment via social media campaigns, 399 participants self-enrolled, self-consented, and provided complete demographic data. Joint pain was the most frequently reported rheumatoid arthritis symptom to bother study participants (344/393, 87.5%). Severe patient-reported wrist pain appeared to be inversely linked with the range of wrist movement measured objectively by the app. At study entry, 292 of 399 participants (73.2%) indicated a preference for participating in a mobile app-based study. The number of participants in the study declined to 45 of 399 (11.3%) at week 12. CONCLUSIONS: Despite the declining number of participants over time, the combination of social media and smartphone app with sensor integration was a feasible and cost-effective approach for the collection of patient-reported data in rheumatoid arthritis. Integral sensors within smartphones can be harnessed to provide novel end points, and the novel wrist range of movement test warrants further clinical validation.
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 | 0,014 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».