Patients’ Measurement Priorities for Remote Measurement Technologies to Aid Chronic Health Conditions: Qualitative Analysis
Notice bibliographique
Résumé
BACKGROUND: Remote measurement technology (RMT), including the use of mobile phone apps and wearable devices, may provide the opportunity for real-world assessment and intervention that will streamline clinical input for years to come. In order to establish the benefits of this approach, we need to operationalize what is expected in terms of a successful measurement. We focused on three clinical long-term conditions where a novel case has been made for the benefits of RMT: major depressive disorder (MDD), multiple sclerosis (MS), and epilepsy. OBJECTIVE: The aim of this study was to conduct a consultation exercise on the clinical end point or outcome measurement priorities for RMT studies, drawing on the experiences of people with chronic health conditions. METHODS: A total of 24 participants (16/24 women, 67%), ranging from 28 to 65 years of age, with a diagnosis of one of three chronic health conditions-MDD, MS, or epilepsy-took part in six focus groups. A systematic thematic analysis was used to extract themes and subthemes of clinical end point or measurement priorities. RESULTS: The views of people with MDD, epilepsy, and MS differed. Each group highlighted unique measurements of importance, relevant to their specific needs. Although there was agreement that remote measurement could be useful for tracking symptoms of illness, some symptoms were specific to the individual groups. Measuring signs of wellness was discussed more by people with MDD than by people with MS and epilepsy. However, overlap did emerge when considering contextual factors, such as life events and availability of support (MDD and epilepsy) as well as ways of coping (epilepsy and MS). CONCLUSIONS: This is a unique study that puts patients' views at the forefront of the design of a clinical study employing novel digital resources. In all cases, measuring symptom severity is key; people want to know when their health is getting worse. Second, symptom severity needs to be placed into context. A holistic approach that, in some cases, considers signs of wellness as well as illness, should be the aim of studies employing RMT to understand the health of people with chronic conditions.
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 | 0,053 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,005 | 0,008 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».