A Mobile App With Multimodality Prehabilitation Programs for Patients Awaiting Elective Surgery: Development and Usability Study
Notice bibliographique
Résumé
BACKGROUND: Complying with a prehabilitation program is difficult for patients who will undergo surgery, owing to transportation challenges and a limited intervention time window. Mobile health (mHealth) using smartphone apps has the potential to remove barriers and improve the effectiveness of prehabilitation. OBJECTIVE: This study aimed to develop a mobile app as a tool for facilitating a multidisciplinary prehabilitation protocol involving blood flow restriction training and sport nutrition supplementation. METHODS: The app was developed using "Appy Pie," a noncoding app development platform. The development process included three stages: (1) determination of principles and requirements of the app through prehabilitation research team meetings; (2) app prototype design using the Appy Pie platform; and (3) app evaluation by clinicians and exercise and fitness specialists, technical professionals from Appy Pie, and non-team-member users. RESULTS: We developed a prototype of the app with the core focus on a multidisciplinary prehabilitation program with accessory features to improve engagement and adherence to the mHealth intervention as well as research-focused features to evaluate the effects of the program on frailty status, health-related quality of life, and anxiety level among patients awaiting elective surgery. Evaluations by research members and random users (n=8) were consistently positive. CONCLUSIONS: This mobile app has great potential for improving and evaluating the effectiveness of the multidisciplinary prehabilitation intervention in the format of mHealth in future.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».