MétaCan
Menu
Retour à la cohorte
Enregistrement W2911505189 · doi:10.2196/11364

The Use of Smart Technology in an Online Community of Patients With Degenerative Cervical Myelopathy

2019· article· en· W2911505189 sur OpenAlexvenueno aff
Oliver Mowforth, Benjamin M. Davies, Mark Kotter

Notice bibliographique

RevueJMIR Formative Research · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCervical and Thoracic Myelopathy
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilNational Institute for Health and Care ResearchDepartment of Health and Social CareWellcome Trust
Mots-clésMyelopathyMedicineDiseaseDegenerative diseasePhysical therapyIntensive care medicineSurgeryInternal medicinePsychiatrySpinal cord

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Degenerative cervical myelopathy (DCM) is a prevalent and progressively disabling neurological condition. Treatment is currently limited to surgery, the timing of which is not without controversy. New international guidelines recommend that all patients should undergo lifelong surveillance and those with moderate-to-severe or progressive disease should be offered surgery. Long-term surveillance will place substantial burden on health services and short clinic assessments may risk misrepresenting disease severity. The use of smart technology to monitor disease progression could provide an invaluable opportunity to lessen this burden and improve patient care. However, given the older demographic of DCM, the feasibility of smart technology use is unclear. OBJECTIVE: The aim of this study was to investigate current usage of smart technology in patients with self-reported DCM to inform design of smart technology apps targeted at monitoring DCM disease progression. METHODS: Google Analytics from the patient section of Myelopathy.org, an international DCM charity with a large online patient community, was analyzed over a 1-year period. A total of 15,761 sessions were analyzed. RESULTS: In total, 39.6% (295/744) of visitors accessed the website using a desktop computer, 35.1% (261/744) using mobile, and 25.3% (188/744) using a tablet. Of the mobile and tablet visitors, 98.2% (441/449) utilized a touchscreen device. A total of 51.3% (141/275) of mobile and tablet visitors used iPhone Operating System (iOS) and 45.8% (126/275) used an Android operating system. Apple and Samsung were the most popular smart devices, utilized by 53.6% (241/449) and 25.8% (116/449) of visitors, respectively. The overall visitor age was representative of DCM trials. Smart technology was widely used by older visitors: 58.8% (113/192) of mobile visitors and 84.2% (96/114) of tablet visitors were aged 45 years or older. CONCLUSIONS: Smart technology is commonly used by DCM patients. DCM apps need to be iOS and Android compatible to be accessible to all patients.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,539

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,102
Tête enseignante GPT0,387
Écart entre enseignants0,285 · 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

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetCervical and Thoracic MyelopathyTravaux en français237 207