Development of Comprehensive Personal Health Records Integrating Patient-Generated Health Data Directly From Samsung S-Health and Apple Health Apps: Retrospective Cross-Sectional Observational Study
Notice bibliographique
Résumé
BACKGROUND: Patient-generated health data (PGHD), especially lifelog data, are important for managing chronic diseases. Additionally, personal health records (PHRs) have been considered an effective tool to engage patients more actively in the management of their chronic diseases. However, no PHRs currently integrate PGHD directly from Samsung S-Health and Apple Health apps. OBJECTIVE: The purposes of this study were (1) to demonstrate the development of an electronic medical record (EMR)-tethered PHR system (Health4U) that integrates lifelog data from Samsung S-Health and Apple Health apps and (2) to explore the factors associated with the use rate of the functions. METHODS: To upgrade conventional EMR-tethered PHRs, a task-force team (TFT) defined the functions necessary for users. After implementing a new system, we enrolled adults aged 19 years and older with prior experience of accessing Health4U in the 7-month period after November 2017, when the service was upgraded. RESULTS: Of the 17,624 users, 215 (1.22%) integrated daily steps data, 175 (0.99%) integrated weight data, 51 (0.29%) integrated blood sugar data, and 90 (0.51%) integrated blood pressure data. Overall, 61.95% (10,919/17,624) had one or more chronic diseases. For integration of daily steps data, 48.3% (104/215) of patients used the Apple Health app, 43.3% (93/215) used the S-Health app, and 8.4% (18/215) entered data manually. To retrieve medical documentation, 324 (1.84%) users downloaded PDF files and 31 (0.18%) users integrated their medical records into the Samsung S-Health app via the Consolidated-Clinical Document Architecture download function. We found a consistent increase in the odds ratios for PDF downloads among patients with a higher number of chronic diseases. The age groups of ≥60 years and ≥80 years tended to use the download function less frequently than the others. CONCLUSIONS: This is the first study to examine the factors related to integration of lifelog data from Samsung S-Health and Apple Health apps into EMR-tethered PHRs and factors related to the retrieval of medical documents from PHRs. Our findings on the lifelog data integration can be used to design PHRs as a platform to integrate lifelog data in the future.
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».