MétaCan
Menu
Retour à la cohorte
Enregistrement W2944293638 · doi:10.2196/12645

Mobile Health Management Platform–Based Pulmonary Rehabilitation for Patients With Non–Small Cell Lung Cancer: Prospective Clinical Trial

2019· article· en· W2944293638 sur OpenAlexvenueno aff
Wonjun Ji, Hee Kwon, Sungin Lee, Seul Gi Kim, Jeong Sook Hong, Yu Rang Park, Hyeong Ryul Kim, Jae Cheol Lee, Eun Ji Jung, Donghyun Kim, Chang‐Min Choi

Notice bibliographique

RevueJMIR mhealth and uhealth · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRehabilitationPulmonary rehabilitationMedicinePhysical therapyLung cancerClinical trialmHealthProspective cohort studyPhysical medicine and rehabilitationOncologyPsychological interventionInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Lung cancer patients experience various symptoms during treatment. Although pulmonary rehabilitation is an effective way to improve these symptoms, a medical environment of limited availability makes it difficult to provide seamless and adequate rehabilitation for lung cancer patients. OBJECTIVE: This study aimed to investigate the effects of a personalized pulmonary rehabilitation program using real-time mobile patient health data for patients with non-small cell lung cancer. METHODS: We conducted a prospective clinical trial in 64 patients with non-small cell lung cancer aged between 20 and 80 years at a large tertiary hospital in Seoul, South Korea. A 12-week personalized pulmonary rehabilitation program, called efil breath, was administered to determine the effectiveness of the newly developed rehabilitation app. Participants were randomly allocated to the fixed exercise or fixed-interactive exercise group (which received the personalized program). We measured changes in 6-minute walk distance (6MWD) and dyspnea (modified Medical Research Council [mMRC] score) at 6 weeks; and quality of life and service satisfaction at 12 weeks. We used the paired t test to analyze the variables. RESULTS: Patients used the newly developed mobile health pulmonary rehabilitation app and a real-time patient monitoring website. In all participants, significant changes were observed in 6MWD at 12 weeks from a mean of 433.43m (SD 65.60) to 471.25m (SD 75.69; P=.001), and mMRC from a mean score of 0.94 (0.66) to 0.61 (SD 0.82; P=.02). The intervention significantly improved their quality of life (EuroQol-visual analog scale [EQ-VAS]) compared with baseline (mean score 76.05, SD 12.37 vs 82.09, SD 13.67, respectively; P=.002). CONCLUSIONS: A personalized mobile health-based pulmonary rehabilitation app for recording and monitoring real-time health data of patients with non-small cell lung cancer can supplement traditional health care center-based rehabilitation programs. This technology can encourage improvement of physical activity, dyspnea, and quality of life.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,383
Écart entre enseignants0,355 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
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

Citations66
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetCancer survivorship and careTravaux en français237 207