A Possible Mobile Health Solution in Orthopedics and Trauma Surgery: Development Protocol and User Evaluation of the Ankle Joint App
Notice bibliographique
Résumé
BACKGROUND: Ankle sprains are one of the most frequent sports injuries. With respect to the high prevalence of ankle ligament injuries and patients' young age, optimizing treatment and rehabilitation is mandatory to prevent future complications such as chronic ankle instability or osteoarthritis. OBJECTIVE: In modern times, an increasing amount of smartphone usage in patient care is evident. Studies investigating mobile health (mHealth)-based rehabilitation programs after ankle sprains are rare. The aim of this study was to expose any issues present in the development process of a medical app as well as associated risks and chances. METHODS: The development process of the Ankle Joint App was defined in chronological order using a protocol. The app's quality was evaluated using the (user) German Mobile App Rating Scale (MARS-G) by voluntary foot and ankle surgeons (n=20) and voluntary athletes (n=20). RESULTS: A multidisciplinary development team built a hybrid app with a corresponding backend structure. The app's content provides actual medical literature, training videos, and a log function. Excellent interrater reliability (interrater reliability=0.92; 95% CI 0.86-0.96) was obtained. The mean overall score for the Ankle Joint App was 4.4 (SD 0.5). The mean subjective quality scores were 3.6 (surgeons: SD 0.7) and 3.8 (athletes: SD 0.5). Behavioral change had mean scores of 4.1 (surgeons: SD 0.7) and 4.3 (athletes: SD 0.7). The medical gain value, rated by the surgeons only, was 3.9 (SD 0.6). CONCLUSIONS: The data obtained demonstrate that mHealth-based rehabilitation programs might be a useful tool for patient education and collection of personal data. The achieved (user) MARS-G scores support a high quality of the tested app. Medical app development with an a priori defined target group and a precisely intended purpose, in a multidisciplinary team, is highly promising. Follow-up studies are required to obtain funded evidence for the ankle joints app's effects on economical and medical aspects in comparison with established nondigital therapy paths.
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 | 0,031 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,004 |
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 ».