MétaCan
Menu
Retour à la cohorte
Enregistrement W3191993787 · doi:10.1186/s12911-021-01598-4

Home blood pressure data visualization for the management of hypertension: using human factors and design principles

2021· article· en· W3191993787 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueBMC Medical Informatics and Decision Making · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Visualization and Analytics
Établissements canadiensInstitute for Work & HealthHumber River Regional HospitalUniversity of Toronto
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesAgency for Healthcare Research and Quality
Mots-clésFocus groupBlood pressureConceptualizationData visualizationMedicineVisualizationComputer scienceHealth informaticsHealth careClinical decision support systemMultidisciplinary approachDecision support systemNursingData miningArtificial intelligencePublic healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Home blood pressure measurements have equal or even greater predictive value than clinic blood pressure measurements regarding cardiovascular outcomes. With advances in home blood pressure monitors, we face an imminent flood of home measurements, but current electronic health record systems lack the functionality to allow us to use this data to its fullest. We designed a data visualization display for blood pressure measurements to be used for shared decision making around hypertension. METHODS: We used an iterative, rapid-prototyping, user-centred design approach to determine the most appropriate designs for this data display. We relied on visual cognition and human factors principles when designing our display. Feedback was provided by expert members of our multidisciplinary research team and through a series of end-user focus groups, comprised of either hypertensive patients or their healthcare providers required from eight academic, community-based practices in the Midwest of the United States. RESULTS: A total of 40 participants were recruited to participate in patient (N = 16) and provider (N = 24) focus groups. We describe the conceptualization and development of data display for shared decision making around hypertension. We designed and received feedback from both patients and healthcare providers on a number of design elements that were reported to be helpful in understanding blood pressure measurements. CONCLUSIONS: We developed a data display for substantial amounts of blood pressure measurements that is both simple to understand for patients, but powerful enough to inform clinical decision making. The display used a line graph format for ease of understanding, a LOWESS function for smoothing data to reduce the weight users placed on outlier measurements, colored goal range bands to allow users to quickly determine if measurements were in range, a medication timeline to help link recorded blood pressure measurements with the medications a patient was taking. A data display such as this, specifically designed to encourage shared decision making between hypertensive patients and their healthcare providers, could help us overcome the clinical inertia that often results in a lack of treatment intensification, leading to better care for the 35 million Americans with uncontrolled hypertension.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil0,234

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,239
Tête enseignante GPT0,391
Écart entre enseignants0,152 · 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