Assessing the Need for Mobile Health (mHealth) in Monitoring the Diabetic Lower Extremity
Notice bibliographique
Résumé
BACKGROUND: Complications of the diabetic lower extremity (such as diabetic foot ulcers, DFUs) occur when monitoring is infrequent, and often result in serious sequelae like amputation or even death. OBJECTIVE: To evaluate the potential application of mobile health (mHealth) to diabetic foot monitoring. We surveyed the self-management routines of a group of diabetic patients, as well as patient and clinician opinions on the use of mHealth in this context. METHODS: Patients with DFUs in Toronto, Ontario, Canada completed a 25-item questionnaire addressing their foot care practices, mobile phone use, and views on mHealth. Wound care clinicians across Canada were also surveyed using a 9-item questionnaire. RESULTS: Of the patients surveyed, 59/115 (51.3%) spend less than a minute checking their feet, and 17/115 (15%) of patients find it difficult to see their doctor or get to the hospital regularly. Mobile phone use was widespread in our patient cohort (93/115, 80.9%). Of mobile phone users, 68/93 (73.1%) would use a device on their mobile phone to help them check their feet. Of the clinicians who completed the questionnaire, only 7/202 (3.5%) were familiar with mHealth; however, 181/202 (92%) of clinicians expressed interest in using mHealth to monitor their patients between visits. CONCLUSIONS: Patient education or motivation and clinician training were identified as the major barriers to mHealth use in the diabetic lower extremity, which may be a viable mechanism to improve DFU monitoring practices.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».