A Smartphone App for Engaging Patients With Catheter-Associated Urinary Tract Infections: Protocol for an Interrupted Time-Series Analysis
Notice bibliographique
Résumé
BACKGROUND: Catheter-associated urinary tract infections (CAUTIs) are the main cause of health care-associated infections, and they increase the disease burden, antibiotic usage, and hospital stay. Inappropriate placement and unnecessarily prolonged usage of a catheter lead to an elevated and preventable risk of infection. The smartphone app Participatient has been developed to involve hospitalized patients in communication and decision-making related to catheter use and to control unnecessary (long-term) catheter use to prevent CAUTIs. Sustained behavioral changes for infection prevention can be promoted by empowering patients through Participatient. OBJECTIVE: The primary aim of our multicenter prospective interrupted time-series analysis is to reduce inappropriate catheter usage by 15%. We will evaluate the efficacy of Participatient in this quality improvement study in clinical wards. Our secondary endpoints are to reduce CAUTIs and to increase patient satisfaction, involvement, and trust with health care services. METHODS: We will conduct a multicenter interrupted time-series analysis-a strong study design when randomization is not feasible-consisting of a pre- and postintervention point-prevalence survey distributed among participating wards to investigate the efficacy of Participatient in reducing the inappropriate usage of catheters. After customizing Participatient to the wards' requirements, it will be implemented with a catheter indication checklist among clinical wards in 4 large hospitals in the Netherlands. We will collect clinical data every 2 weeks for 6 months in the pre- and postintervention periods. Simultaneously, we will assess the impact of Participatient on patient satisfaction with health care services and providers and the patients' perceived involvement in health care through questionnaires, and the barriers and facilitators of eHealth implementation through interviews with health care workers. RESULTS: To reduce the inappropriate use of approximately 40% of catheters (currently in use) by 15%, we aim to collect 9-12 data points from 70-100 patients per survey date per hospital. Thereafter, we will conduct an interrupted time-series analysis and present the difference between the unadjusted and adjusted rate ratios with a corresponding 95% CI. Differences will be considered significant when P<.05. CONCLUSIONS: Our protocol may help reduce the inappropriate use of catheters and subsequent CAUTIs. By sharing reliable information and daily checklists with hospitalized patients via an app, we aim to provide them a tool to be involved in health care-related decision-making and to increase the quality of care. TRIAL REGISTRATION: Netherlands Trial Register NL7178; https://www.trialregister.nl/trial/7178. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/28314.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,036 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,038 | 0,007 |
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 source (Gemma direct ou Codex distillé), 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 ».