MétaCan
Menu
Retour à la cohorte
Enregistrement W3122710486 · doi:10.2196/26443

mHealth App for Pressure Ulcer Wound Assessment in Patients With Spinal Cord Injury: Clinical Validation Study

2021· article· en· W3122710486 sur OpenAlexvenueno aff
Ariane Do Khac, C. Jourdan, Sylvain Fazilleau, C. Palayer, Isabelle Laffont, Arnaud Dupeyron, Stéphane Verdun, Anthony Gélis

Notice bibliographique

RevueJMIR mhealth and uhealth · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiquePressure Ulcer Prevention and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésmHealthIntraclass correlationMedicineInter-rater reliabilitySpinal cord injuryReproducibilityIntra-rater reliabilityPhysical therapyPsychological interventionPsychometricsSpinal cordPsychologyNursingInternal medicineRating scaleStatisticsConfidence interval

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Clinical evaluation of a pressure ulcer is based on quantitative and qualitative evaluation. In clinical practice, acetate tracing is the standard technique used to measure wound surface area; however, it is difficult to use in daily practice (because of material availability, data storage issues, and time needed to calculate the surface area). Planimetry techniques developed with mobile health (mHealth) apps can be used to overcome these difficulties. OBJECTIVE: The goal of this study was to evaluate the metrological properties of a free-access mHealth app, called imitoMeasure, to assess pressure ulcers. METHODS: This was a noninterventional, validation study. We included patients with spinal cord injury presenting with a pressure ulcer, regardless of its stage or location. We performed wound measurements with a ruler, and we performed acetate tracing using a transparent dressing with a wound measurement grid. Wound evaluation via the mHealth app was conducted twice by the main investigator and also by a coinvestigator to determine validity, intrarater reproducibility, and interrater reproducibility. Bland-Altman plots and intraclass correlation coefficients were used to compute the minimal detectable change percentage. RESULTS: Overall, 61 different pressure ulcers were included. The validity, intrarater reproducibility, and interrater reproducibility of the mHealth app vs acetate tracing (considered the method of reference) were good, with intraclass correlation coefficients of 0.97 (95% CI 0.93-0.99), 0.99 (95% CI 0.98-0.99), and 0.98 (95% CI 0.96-0.99), respectively, and minimal detectable change percentages between 17% and 35%. CONCLUSIONS: The imitoMeasure app had good validity and reproducibility. It could be an alternative to standard wound assessment methods. Further studies on larger and more diverse wounds are needed. TRIAL REGISTRATION: ClinicalTrials.gov NCT04402398; http://clinicaltrials.gov/ct2/show/NCT04402398.

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 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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,037
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,132
Tête enseignante GPT0,544
Écart entre enseignants0,412 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetPressure Ulcer Prevention and ManagementTravaux en français237 207