MétaCan
Menu
← Retour à la cohorte
Enregistrement W3216226724 · doi:10.2196/30782

Evaluation of myCOPD Digital Self-management Technology in a Remote and Rural Population: Real-world Feasibility Study

2021· article· en· W3216226724 sur OpenAlexvenueno aff
Rowena Cooper, Adam Giangreco, Michelle M. Duffy, Elaine Finlayson, Shellie Hamilton, Mahri Swanson, Judith Colligan, Joanna Gilliatt, Mairi McIvor, Elizabeth K. Sage

Notice bibliographique

RevueJMIR mhealth and uhealth · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Obstructive Pulmonary Disease (COPD) Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopulationComputer scienceGeographyMedicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Chronic obstructive pulmonary disease (COPD) is a common, costly, and incurable respiratory disease affecting 1.2 million people in the United Kingdom alone. Acute COPD exacerbations requiring hospitalization place significant demands on health services, and the incidence of COPD in poor, remote, and rural populations is up to twice that of cities. OBJECTIVE: myCOPD is a commercial, digital health, self-management technology designed to improve COPD outcomes and mitigate demands on health services. In this pragmatic real-world feasibility study, we aimed to evaluate myCOPD use and its clinical effectiveness at reducing hospitalizations, inpatient bed days, and other National Health Service (NHS) resource use. METHODS: myCOPD engagement and NHS resource use was monitored for up to 1 year after myCOPD activation and was compared against health service use in the year prior to activation. A total of 113 participants from predominantly remote and rural communities were recruited via community-based care settings, including scheduled home visits, outpatient appointments, pulmonary rehabilitation, and phone or group appointments. There were no predetermined age, disease severity, geographical, or socioeconomic inclusion or exclusion criteria. RESULTS: Out of 113 participants, 89 activated myCOPD (78.8%), with 56% (50/89) of those participants doing so on the day of enrollment and 90% (80/89) doing so within 1 month. There was no correlation between participant enrollment, activation, or myCOPD engagement and either age, socioeconomics, rurality, or COPD severity. Most active participants used at least one myCOPD module and entered their symptom scores at least once (79/89, 89%). A subgroup (15/89, 17%) recorded their symptom scores very frequently (>1 time every 5 days), 14 of whom (93%) also used four or five myCOPD modules. Overall, there were no differences in hospital admissions, inpatient bed days, or other health service use before or after myCOPD activation, apart from a modest increase in home visits. Subgroup analysis did, however, identify a trend toward reduced inpatient bed days and hospital admissions for those participants with very high myCOPD usage. CONCLUSIONS: Our results suggest that neither age, wealth, nor geographical location represent significant barriers to using myCOPD. This finding may help mitigate perceived risks of increased health inequalities associated with the use of digital health technologies as part of routine care provision. Despite high levels of activation, myCOPD did not reduce overall demands on health services, such as hospital admissions or inpatient bed days. Subgroup analysis did, however, suggest that very high myCOPD usage was associated with a moderate reduction in NHS resource use. Thus, although our study does not support implementation of myCOPD to reduce health service demands on a population-wide basis, our results do indicate that highly engaged patients may derive benefits.

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)0,009
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,009
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,058
Tête enseignante GPT0,427
Écart entre enseignants0,368 · 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

Citations23
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealth→Même sujetChronic Obstructive Pulmonary Disease (COPD) Research→Travaux en français237 207→