Cascading Feedback: A Longitudinal Study of a Feedback Ecosystem for Telemonitoring Patients with Chronic Disease
Notice bibliographique
Résumé
While telemonitoring technology is widely used in treatment of patients with chronic diseases, our understanding of how it influences patient-related outcomes is limited. Drawing upon feedback intervention theory, the paper develops a model that examines how a telemonitoring feedback ecosystem (patient, telemonitoring technology, care provider) is related to patient behavioral outcomes. More precisely, we study the cascading effects of two types of technology feedback (medical and compliance alerts) on the provision of three types of feedback (outcome, corrective, and personal) given by care providers, and how the feedback in turn is related to patient adaptation and ultimately to calls to 911. Using generalized linear mixed modeling, we tested our hypotheses with longitudinal data from 212 patients with chronic obstructive pulmonary disease (COPD) and/or chronic heart failure (CHF) over 26 weeks. Our results show that medical alerts had a positive association with all three types of provider feedback. By contrast, compliance alerts had curvilinear relationships with corrective and personal feedback. Our results also show that outcome feedback and personal feedback were associated with increases in patient adaptations. Patient adaptation was negatively related to the odds of calling 911. Interestingly, we found a significant negative interaction between outcome and corrective feedback and patient adaptation. Finally, our results show that while the frequency of feedback decreased over the life of the program, the amount of adaptations increased over the same period, which suggests that patient self-management improved over time. By examining a telemonitoring-based ecosystem with two stages of feedback, our study contributes to the chronic disease management literature as well as to other contexts where monitoring technologies deliver feedback that is mediated by a third party. Theoretical and practical implications of our study are discussed.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».