Determining the Evolution of Headache Among Regular Users of a Daily Electronic Diary via a Smartphone App: Observational Study
Notice bibliographique
Résumé
BACKGROUND: Smartphone-based apps represent a major development in health care management. Specifically in headache care, the use of electronic headache diaries via apps has become increasingly popular. In contrast to the soaring volume of available data, scientific use of these data resources is sparse. OBJECTIVE: In this analysis, we aimed to assess changes in headache and migraine frequency, headache and migraine intensity, and use of acute medication among people who showed daily use of the headache diary as implemented in the freely available basic version of the German commercial app, M-sense. METHODS: The basic version of M-sense comprises an electronic headache diary, documentation of lifestyle factors with a possible impact on headaches, and evaluation of headache patterns. This analysis included all M-sense users who had entered data into the app on a daily basis for at least 7 months. RESULTS: We analyzed data from 1545 users. Mean MHD decreased from 9.42 (SD 5.81) at baseline to 6.39 (SD 5.09) after 6 months (P<.001; 95% CI 2.80-3.25). MMD, AMD, and migraine intensity were also significantly reduced. Similar results were found in 985 users with episodic migraine and in 126 users with chronic migraine. CONCLUSIONS: Among regular users of an electronic headache diary, headache and migraine frequency, in addition to other headache characteristics, improved over time. The use of an electronic headache diary may support standard headache care.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».