Design, Implementation, and Examination of a Remote Patient Monitoring System for Pediatric Obesity: Protocol for an Open Trial Pilot Study
Notice bibliographique
Résumé
BACKGROUND: Pediatric obesity is a critical public health issue. Augmenting care in multidisciplinary pediatric obesity clinics with innovative evidence-based technology to improve weight status and health outcomes is needed. OBJECTIVE: This study describes the design and methods of an open trial pilot study to examine a remote patient monitoring system (RPMS) for children aged 8-17 years who are receiving treatment in a multidisciplinary pediatric obesity clinic. METHODS: Participants will include 45 youth with obesity and their parents. Families will receive standard care in the clinic and the RPMS for 3 months. The RPMS consists of a tablet, weight scale, and pedometer. The system provides daily educational content and involves the use of the pedometer and weekly weigh-ins. Children and parents will complete baseline, posttreatment (month 3), and follow-up assessments (month 6). The primary aim of the study is to examine feasibility and satisfaction with the RPMS and assess its initial effectiveness. RESULTS: We hypothesize high feasibility and satisfaction, with rates over 75%. Furthermore, after RPMS treatment, children will exhibit improved weight status, health outcomes, dietary intake, physical activity, health-related quality of life, self-efficacy, and home-food environment compared to before treatment. These gains are expected to persist at follow-up. CONCLUSIONS: This study is novel in that it is the first to design, implement, and examine an RPMS in a pediatric obesity clinic. If the RPMS is feasible, effective, and easily accessible, it may prove to be a practical, acceptable, and cost-effective weight management treatment for youth seeking treatment for severe obesity. TRIAL REGISTRATION: ClinicalTrials.gov NCT04029597; https://clinicaltrials.gov/ct2/show/NCT04029597. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/29858.
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 | 0,073 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,003 |
| Méta-épidémiologie (sens large) | 0,006 | 0,004 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,054 | 0,011 |
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 ».