The Impact of a Mobile App on Participation in Cardiac Rehabilitation and Understanding Barriers to Success: Comparative Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Poor patient uptake of cardiac rehabilitation (CR) remains a challenge for multiple reasons including geographic, time, cultural, cost, and psychological constraints. OBJECTIVE: We evaluated the impact on CR participation rates associated with the addition of the option of mobile app-based CR (Cardihab) for patients declining conventional CR. METHODS: A total of 204 consecutive patients were offered CR following angioplasty; of these, 99 were in cohort 1 (offered conventional CR only) and 105 were in cohort 2 (app-based CR offered to those declining conventional CR). Patients in each cohort were followed throughout a 6-week CR program and participation rates were compared for both groups. Patients in cohort 2 declining both forms of CR were interviewed to assess reasons for nonparticipation. RESULTS: CR participation improved from 21% (95% CI 14%-30%) to 63% (95% CI 53%-71%) with the addition of the app (P<.001). Approximately 25% (9/39) of the group declining the app-based program identified technology issues as the reason for nonparticipation. The remainder declined both CR programs or were ineligible due to frailty or comorbidities. CONCLUSIONS: Providing patients with the additional option of an app-based CR program substantially improved CR participation. Technology and psychological barriers can limit CR participation. Further innovation in CR delivery systems is required to improve uptake.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».