Does an mHealth system reduce health service use for asthma?
Notice bibliographique
Résumé
BACKGROUND: Breathe is a mobile health (mHealth) application developed for the self-management of asthma in adults. There is evidence to suggest that mHealth interventions can be used for asthma control; however, their effects on the use of health services remain poorly understood. We sought to determine whether Breathe reduces health services use amongst asthma patients who used the app compared to controls who did not. METHODS: The impact of Breathe on health services use was estimated using a quasi-experimental approach. Two groups of subjects who had participated in a previous randomised clinical trial were included: an intervention group of asthma patients who used the app for 12 months, and a group of controls who did not use the app but received equivalent quality asthma care. A third, external control group of asthma patients were matched to the intervention participants. Generalised linear mixed models were used to determine relative changes in rates of asthma hospitalisations, emergency department (ED) visits, outpatient physician visits and completion of pulmonary function tests (PFTs) over time. RESULTS: A total of 677 individuals with asthma were included in the study: 132 in the intervention group, and 149 and 396 in the internal and external control groups, respectively. There were no statistically significant differences in the change of asthma hospitalisations, ED visits, physician office visits or completion of PFTs between the intervention group and either control group. CONCLUSIONS: Use of the Breathe app is not associated with changes in health services use in adults with asthma.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».