MétaCan
Menu
Retour à la cohorte
Enregistrement W3127860758

What is feasible when it comes to monitoring young people with cystic fibrosis at home? The results of the climb CF study

2020· article· en· W3127860758 sur OpenAlexaboutno aff
C. Edmondson, Nicole Westrupp, J. Wallenburg, K. Brownlee, Eric W.F.W. Alton, Anneke C. Bush, Jane C. Davies

Notice bibliographique

RevuePediatric Pulmonology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCystic Fibrosis Research Advances
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineSputumCystic fibrosisPediatricsPhysical therapyInternal medicineTuberculosis
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Introduction: There are >350,000 health apps available on app stores across the world however CF is usually assessed at hospital visits It is unclear whether monitoring children with CF at home is feasible or useful With the advent of COVID-19 home monitoring has become more necessary Here we report the results of the CLIMB-CF study which explored the feasibility of home monitoring and potential obstacles Methods: We designed a study-specific application with input from the CF Trust Youth Advisor Group, and enrolled participants aged 2 to 17 years of age across mulitple sites in the UK and Canada for 6 months They were asked to complete measures either daily (wellness, cough severity, appetite, sputum volume, breathlessness and tiredness scores, heart rate, oxygen saturations, temperature, respiratory rate, activity and sleep disturbances) or twice a week (weight, and lung function if >5 years of age) After 2 months participants were also given the option to collect samples at home (urine, nasal secretions, sputum, throat swabs and dried blood spots [DBS]) At the end of the study parents and participants over 12 completed feasibility questionnaires Results: Of 148 (aim was 160), 2 withdrew prior to starting due to social issues, 2 failed to achieve clinical stability and 8 withdrew during the study Median age of the participants was 7 9 years and 82 (57%) were female Over the 6 months the median completion of all measures was 40 1% (13 6-69 9%) 2 to 5 year olds completed 54 4% (20 5-77%), 6 to 11 year olds 45 8% (27 0-71 6%) and young people over 12 completed only 15 6% (9 8-30 0%) 77 5% of all participants contacted the study team for technical help at least once One participant withdrew due to frustration with a piece of equipment Parents who felt home monitoring did not, or only slightly interfered with their usual activities completed 52% (28 3- 77 6%) of measures compared with those perceiving a heavier burden, 29 9% (9 2-74 5%) Participants over 12 who felt home monitoring did not interfere with their usual activities completed 37 8% (14 5-73 2%) of measures compared to only 9 6% (5 6-22 3%) of measures if they felt it moderately interfered 73 5% of parents found the ability to monitor their child's health very helpful or helpful Teenagers felt that sputum collection, nasal secretion collection and DBS collection and spirometry were least acceptable Discussion: The majority of participants and parents felt home monitoring did not negatively impact their lives When designing future home monitoring applications those participants who felt home monitoring did not impact their daily lives completed more measures Teenagers entered less data than younger children;even if they perceived home monitoring was not having a significant impact on their daily lives, completion rates were poor Interestingly, spirometry was one of the measures teenagers found least acceptable A significant proportion of our participants required technical help during the study Our findings should impact on future home monitoring strategies

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,040
Score d'incertitude au seuil0,585

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,025
Tête enseignante GPT0,300
Écart entre enseignants0,275 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePediatric PulmonologyMême sujetCystic Fibrosis Research AdvancesTravaux en français237 207