A Web- and App-Based Connected Care Solution for COVID-19 In- and Outpatient Care: Qualitative Study and Application Development
Notice bibliographique
Résumé
BACKGROUND: From the perspective of health care professionals, coronavirus disease (COVID-19) brings many challenges as well as opportunities for digital health care. One challenge is that health care professionals are at high risk of infection themselves. Therefore, in-person visits need to be reduced to an absolute minimum. Connected care solutions, including telehealth, remote patient monitoring, and secure communications between clinicians and their patients, may rapidly become the first choice in such public health emergencies. OBJECTIVE: The aim of the COVID-19 Caregiver Cockpit (C19CC) was to implement a free-of-charge, web- and app-based tool for patient assessment to assist health care professionals working in the COVID-19 environment. METHODS: Physicians in Argentina, Germany, Iran, Italy, Portugal, Switzerland, and the United States explained their challenges with COVID-19 patient care through unstructured interviews. Based on the collected feedback, the first version of the C19CC was built. In the second round of interviews, the application was presented to physicians, and more feedback was obtained. RESULTS: Physicians identified a number of different scenarios where telemedicine or connected care solutions could rapidly improve patient care. These scenarios included outpatient care, discharge management, remote tracking of patients with chronic diseases, as well as incorporating infected physicians under quarantine into telehealth services. CONCLUSIONS: The C19CC is the result of an agile and iterative development process that complements the work of physicians. It aims to improve the care and safety of people who are infected by COVID-19.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».