MétaCan
Menu
Retour à la cohorte
Enregistrement W3214622653 · doi:10.3389/fresc.2021.729237

Phenotyping Adopters of Mobile Applications Among Patients With COPD: A Cross-Sectional Study

2021· article· en· W3214622653 sur OpenAlexaff
Sofia Flora, Nádia Hipólito, Dina Brooks, Alda Marques, Nuno Morais, Cândida G. Silva, Fernando Silva, José Ribeiro, R. Caceiro, Bruno P. Carreira, Chris Burtin, Sara Pimenta, Joana Cruz, Ana Oliveira

Notice bibliographique

RevueFrontiers in Rehabilitation Sciences · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensMcMaster UniversityWest Park Healthcare Centre
Organismes subventionnairesFundação para a Ciência e a TecnologiaMinistério da Ciência, Tecnologia e Ensino Superior
Mots-clésMobile appsCOPDPsychological interventionMedicinePhysical activitymHealthPhysical therapySmartphone appTest (biology)PsychologyInternal medicineWorld Wide WebComputer sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

Effectiveness of technology-based interventions to improve physical activity (PA) in people with COPD is controversial. Mixed results may be due to participants' characteristics influencing their use of and engagement with mobile health apps. This study compared demographic, clinical, physical and PA characteristics of patients with COPD using and not using mobile apps in daily life. Patients with COPD who used smartphones were asked about their sociodemographic and clinic characteristics, PA habits and use of mobile apps (general and PA-related). Participants performed a six-minute walk test (6MWT), gait speed test and wore an accelerometer for 7 days. Data were compared between participants using (App Users) and not using (Non-App Users) mobile apps. A sub-analysis was conducted comparing characteristics of PA–App Users and Non-Users. 59 participants were enrolled (73% Male; 66.3 ± 8.3 yrs; FEV 1 48.7 ± 18.4% predicted): 59% were App Users and 25% were PA-App Users. Significant differences between App Users and Non-App Users were found for age (64.2 ± 8.9 vs. 69.2 ± 6.3yrs), 6MWT (462.9 ± 91.7 vs. 414.9 ± 82.3 m), Gait Speed (Median 1.5 [Q1–Q3: 1.4–1.8] vs. 2.0 [1.0–1.5]m/s), Time in Vigorous PA (0.6 [0.2–2.8] vs. 0.14 [0.1–0.7]min) and Self-Reported PA (4.0 [1.0–4.0] vs. 1.0 [0.0–4.0] Points). Differences between PA–App Users and Non-Users were found in time in sedentary behavior (764.1 [641.8–819.8] vs. 672.2 [581.2–749.4] min) and self-reported PA (4.0 [2.0–6.0] vs. 2.0 [0.0–4.0] points). People with COPD using mobile apps were younger and had higher physical capacity than their peers not using mobile apps. PA-App Users spent more time in sedentary behaviors than Non-Users although self-reporting more time in PA.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 GPT0,403
Écart entre enseignants0,378 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Rehabilitation SciencesMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207