Use of mobile health technologies for postoperative care in paediatric surgery: A systematic review
Notice bibliographique
Résumé
INTRODUCTION: Mobile health (mHealth) is the use of mobile communication devices such as smartphones, wireless patient monitoring devices and tablet computers to deliver health services. Paediatric surgery patient care could potentially benefit from these technologies. This systematic review summarises the current literature on the use of mHealth for postoperative care after children's surgery. METHODS: Seven databases were searched by a senior medical librarian. Studies were included if they reported the use of mHealth systems for postoperative care for children <18 years old. Data extraction and risk of bias assessment were performed in duplicate. RESULTS: A total of 18 studies were included after screening. mHealth use was varied and included appointment or medication reminders, postoperative monitoring and postoperative instruction delivery. mHealth systems included texting systems and mobile applications, and were implemented for a wide range of surgical conditions and countries. DISCUSSION: < 0.001), decrease the rate of postoperative complications and returns to the emergency department and reliably monitor postoperative pain. mHealth systems were generally appreciated by patients. Most non-randomised and randomised studies had many methodological problems, including lack of appropriate control groups, lack of blinding and a tendency to devote more time to the care of the intervention group. mHealth systems have the potential to improve postoperative care, but the lack of high-quality research evaluating their impact calls for further studies exploring evidence-based mHealth implementation.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,002 |
| 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 ».