MétaCan
Menu
Retour à la cohorte
Enregistrement W2903837644 · doi:10.2196/mhealth.9869

Development and Evaluation of a Mobile Decision Support System for Hypertension Management in the Primary Care Setting in Brazil: Mixed-Methods Field Study on Usability, Feasibility, and Utility

2018· article· en· W2903837644 sur OpenAlexvenueno aff
Daniel Vitório Silveira, Milena Soriano Marcolino, Elaine Leandro Machado, Camila Gonçalves Ferreira, Maria Beatriz Moreira Alkmim, Elmiro Santos Resende, Bárbara Couto Carvalho, André Pires Antunes, Antônio Luiz Pinho Ribeiro

Notice bibliographique

RevueJMIR mhealth and uhealth · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado de Minas GeraisConselho Nacional de Desenvolvimento Científico e TecnológicoFinanciadora de Estudos e ProjetosCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésUsabilityDecision support systemPrimary careMedicinemHealthComputer scienceProcess managementNursingPsychological interventionHuman–computer interactionEngineeringFamily medicineData mining

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Despite being an important cardiovascular risk factor, hypertension has low control levels worldwide. Computerized clinical decision support systems (CDSSs) might be effective in reducing blood pressure with a potential impact in reducing cardiovascular risk. OBJECTIVE: The goal of the research was to evaluate the feasibility, usability, and utility of a CDSS, TeleHAS (tele-hipertensão arterial sistêmica, or arterial hypertension system), in the care of patients with hypertension in the context of a primary care setting in a middle-income country. METHODS: The TeleHAS app consists of a platform integrating clinical and laboratory data on a particular patient, from which it performs cardiovascular risk calculation and provides evidence-based recommendations derived from Brazilian and international guidelines for the management of hypertension and cardiovascular risk. Ten family physicians from different primary care units in the city of Montes Claros, Brazil, were randomly selected to use the CDSS for the care of hypertensive patients for 6 months. After 3 and 6 months, the feasibility, usability, and utility of the CDSS in the routine care of the health team was evaluated through a standardized questionnaire and semistructured interviews. RESULTS: Throughout the study, clinicians registered 535 patients with hypertension, at an average of 1.24 consultations per patient. Women accounted for 80% (8/10) of participant doctors, median age was 31.5 years (interquartile range 27 to 59 years). As for feasibility, 100% of medical users claimed it was possible to use the app in the primary care setting, and for 80% (8/10) of them it was easy to incorporate its use into the daily routine and home visits. Nevertheless, 70% (7/10) of physicians claimed that the time taken to fill out the CDSS causes significant delays in service. Clinicians evaluated TeleHAS as good (8/10, 80% of users), with easy completion and friendly interface (10/10, 100%) and the potential to improve patients' treatment (10/10, 100%). A total of 90% (9/10) of physicians had access to new knowledge about cardiovascular risk and hypertension through the app recommendations and found it useful to promote prevention and optimize treatment. CONCLUSIONS: In this study, a CDSS developed to assist the management of patients with hypertension was feasible in the context of a primary health care setting in a middle-income country, with good user satisfaction and the potential to improve adherence to evidence-based 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 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)0,023
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 enseignants0,788
Score d'incertitude au seuil0,849

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0230,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,165
Tête enseignante GPT0,540
Écart entre enseignants0,376 · 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

Citations61
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207