Automated E-Counseling for Chronic Heart Failure
Notice bibliographique
Résumé
Background: International task force statements advocate telehealth programs to promote health-related quality of life for patients with chronic heart failure (CHF). To that end, we evaluated the efficacy and usability of an automated e-counseling program. Methods: This Canadian multi-site double-blind randomized trial assessed whether usual care plus either internet-based e-counseling (motivational and cognitive-behavioral tools for CHF self-care) or e-based conventional CHF self-care education (e-UC) improved 12-month Kansas City Cardiomyopathy Questionnaire Overall Summary (KCCQ-OS). Secondary outcomes included program engagement (total logon weeks, logons, and logon hours), total CHF self-care behaviors, diet (fruit and vegetable servings), 6-minute walk test, and 4-day step count. The association between program engagement and health-related quality of life was assessed using KCCQ-OS tertiles. Results: We enrolled 231 patients, median age =59.5 years, 22% female, and elevated median KCCQ-OS=83.0 (interquartile range, 68–93). KCCQ-OS increase ≥5 points was not more prevalent for e-counseling, n=29 (29.6%) versus e-UC, n=32 (34.0%), P =0.51. E-Counseling versus e-UC increased total logon weeks ( P =0.02), logon hours ( P =0.001), and logons ( P <0.001). Only e-counseling showed a positive association between 12-month KCCQ-OS tertile and logon weeks ( P =0.04) and logon hours ( P =0.004). E-Counseling increased CHF self-care behavior and diet but not 6-minute walk test or 4-day step count. Conclusions: The primary KCCQ-OS end point was negative for this trial. Only e-counseling showed a positive association between program engagement and 12-month KCCQ-OS tertile, and it improved CHF self-care behavior and diet. Registration: URL: https://www.clinicaltrials.gov . Unique identifier: NCT01864369.
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) | 0,001 | 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 ».