MétaCan
Menu
Retour à la cohorte
Enregistrement W3103605846 · doi:10.1186/s12883-020-01996-7

Parkinson’s disease: current assessment methods and wearable devices for evaluation of movement disorder motor symptoms - a patient and healthcare professional perspective

2020· article· en· W3103605846 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBMC Neurology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesParkinson's UKTrent UniversityNottingham Trent University
Mots-clésThematic analysisFocus groupRating scaleMedicineDiseaseWearable computerWearable technologyHealth careQualitative researchParkinson's diseasePerspective (graphical)Physical medicine and rehabilitationNeurologyApplied psychologyPsychologyPhysical therapyPsychiatryComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Parkinson's disease is the second most common long-term chronic, progressive, neurodegenerative disease, affecting more than 10 million people worldwide. There has been a rising interest in wearable devices for evaluation of movement disorder diseases such as Parkinson's disease due to the limitations in current clinic assessment methods such as Unified Parkinson's Disease Rating Scale (UPDRS) and the Hoehn and Yahr (HY) scale. However, there are only a few commercial wearable devices available, which, in addition, have had very limited adoption and implementation. This inconsistency may be due to a lack of users' perspectives in terms of device design and implementation. This study aims to identify the perspectives of healthcare professionals and patients linked to current assessment methods and to identify preferences, and requirements of wearable devices. METHODS: This was a qualitative study using semi-structured interviews followed by focus groups. Transcripts from sessions were analysed using an inductive thematic approach. RESULTS: It was noted that the well-known assessment process such as Unified Parkinson's Disease Rating Scale (UPDRS) was not used routinely in clinics since it is time consuming, subjective, inaccurate, infrequent and dependent on patients' memories. Participants suggested that objective assessment methods are needed to increase the chance of effective treatment. The participants' perspectives were positive toward using wearable devices, particularly if they were involved in early design stages. Patients emphasized that the devices should be comfortable, but they did not have any concerns regarding device visibility or data privacy transmitted over the internet when it comes to their health. In terms of wearing a monitor, the preferable part of the body for all participants was the wrist. Healthcare professionals stated a need for an economical solution that is easy to interpret. Some design aspects identified by patients included clasps, material choice, and form factor. CONCLUSION: The study concluded that current assessment methods are limited. Patients' and healthcare professionals' involvement in wearable devices design process has a pivotal role in terms of ultimate user acceptance. This includes the provision of additional functions to the wearable device, such as fall detection and medication reminders, which could be attractive features for patients.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,152
Score d'incertitude au seuil0,515

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,415
Écart entre enseignants0,364 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle