Attitudes and Expectations of Health Care Professionals Toward App-Based Therapy in Patients with Osteoarthritis of the Hip or Knee: Questionnaire Study
Notice bibliographique
Résumé
BACKGROUND: The use of mobile health (mHealth) apps is becoming increasingly widespread. However, little is known about the attitudes, expectations, and basic acceptance of health care professionals toward such treatment options. As physical activity and behavior modification are crucial in osteoarthritis management, app-based therapy could be particularly useful for the self-management of this condition. OBJECTIVE: The objective of the study was to determine the expectations and attitudes of medical professionals toward app-based therapy for osteoarthritis of the hip or knee. METHODS: Health care professionals attending a rehabilitation congress and employees of a university hospital were asked to fill out a questionnaire consisting of 16 items. A total of 240 questionnaires were distributed. RESULTS: A total of 127 participants completed the questionnaire. At 95.3% (121/127), the approval rate for app-based therapy for patients with osteoarthritis of the hip or knee was very high. Regarding possible concerns, aspects related to data protection and privacy were primarily mentioned (41/127, 32.3%). Regarding potential content, educational units, physiotherapeutic exercise modules, and practices based on motivation psychology were all met with broad approval. CONCLUSIONS: The study showed a high acceptance of app-based therapy for osteoarthritis, indicating a huge potential of this form of treatment to be applied, prescribed, and recommended by medical professionals. It was widely accepted that the content should reflect a multimodal therapy approach.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».