Abstract 15626: Visualizing Self-reported Symptom Status Can Support Self-management for Heart Failure Patients
Notice bibliographique
Résumé
Introduction: Symptom self-management is important in heart failure (HF) but challenging given the high prevalence of associated cognitive impairment. Visualizations may support symptom self-management by improving recognition of meaningful changes in symptoms over time. The purpose of this study was to evaluate whether visualizations of self-reported symptom status were associated with recognition of worsening symptoms (risk perception) and intention to act on worsening symptoms (behavioral intention) . Methods: We recruited hospitalized, English-speaking adults with HF from 2 inpatient cardiac units at an urban academic medical center. A professional designer developed 4 visualizations of simulated changes in self-reported symptoms (e.g., fatigue; Figure 1 ) using best practices for displaying health information to adults with cognitive impairment. Using the participants’ favorite visualization of the 4, we evaluated risk perception and behavioral intention using validated scales. We also collected demographics, health literacy, and cognitive status using the Montreal Cognitive Assessment (MoCA). Results: Participants (n=40) had an average age of 61.3 years (±12.5) and were 22% female, 52% White, and 38% Latino. More than half (55%) had low health literacy. Most (88%) had mild/moderate cognitive impairment (MoCA score < 26). The favorite visualization (selected by 42%) was the number line. Regarding risk perception, 70% reported it was very/extremely likely their HF was getting worse and 54% reported they were very/extremely worried about their HF getting worse based on the visualization. Regarding behavioral intention, most (82%) were very/extremely likely to act based on the visualization. Conclusion: Visualizations of symptoms over time communicated risk to most patients who in turn reported being more likely to act, and may be an effective tool to support symptom self-management among HF patients with mild/moderate cognitive impairment.
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 | 0,000 | 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 ».