A roadmap for implementation of patient‐centered digital outcome measures in Parkinson's disease obtained using mobile health technologies
Notice bibliographique
Résumé
Obtaining reliable longitudinal information about everyday functioning from individuals with Parkinson's disease (PD) in natural environments is critical for clinical care and research. Despite advances in mobile health technologies, the implementation of digital outcome measures is hindered by a lack of consensus on the type and scope of measures, the most appropriate approach for data capture (eg, in clinic or at home), and the extraction of timely information that meets the needs of patients, clinicians, caregivers, and health care regulators. The Movement Disorder Society Task Force on Technology proposes the following objectives to facilitate the adoption of mobile health technologies: (1) identification of patient-centered and clinically relevant digital outcomes; (2) selection criteria for device combinations that offer an acceptable benefit-to-burden ratio to patients and that deliver reliable, clinically relevant insights; (3) development of an accessible, scalable, and secure platform for data integration and data analytics; and (4) agreement on a pathway for approval by regulators, adoption into e-health systems and implementation by health care organizations. We have developed a tentative roadmap that addresses these needs by providing the following deliverables: (1) results and interpretation of an online survey to define patient-relevant endpoints, (2) agreement on the selection criteria for use of device combinations, (3) an example of an open-source platform for integrating mobile health technology output, and (4) recommendations for assessing readiness for deployment of promising devices and algorithms suitable for regulatory approval. This concrete implementation guidance, harmonizing the collaborative endeavor among stakeholders, can improve assessments of individuals with PD, tailor symptomatic therapy, and enhance health care outcomes. © 2019 International Parkinson and Movement Disorder Society.
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 | 0,192 | 0,216 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,010 | 0,014 |
| Science ouverte | 0,006 | 0,013 |
| Intégrité de la recherche | 0,010 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,007 |
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 ».