MétaCan
Menu
← Retour à la cohorte
Enregistrement W4210652385 · doi:10.2196/preprints.8514

Efficacy of a Community-Based Technology-Enabled Physical Activity Counseling Program for People With Knee Osteoarthritis: Proof-of-Concept Study (Preprint)

2018· preprint· en· W4210652385 sur OpenAlexaff
Linda Li, Eric C. Sayre, Hui Xie, Ryan S. Falck, John R. Best, Teresa Liu‐Ambrose, Navi Grewal, Alison M. Hoens, Gregory O. Noonan, Lynne M. Feehan

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensVancouver General HospitalSimon Fraser UniversityResearch CanadaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésOsteoarthritisPhysical therapyMedicineRandomized controlled trialIntervention (counseling)Alternative medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND Current practice guidelines emphasize the use of physical activity as the first-line treatment of knee osteoarthritis; however, up to 90% of people with osteoarthritis are inactive. OBJECTIVE We aimed to assess the efficacy of a technology-enabled counseling intervention for improving physical activity in people with either a physician-confirmed diagnosis of knee osteoarthritis or having passed two validated criteria for early osteoarthritis. METHODS We conducted a proof-of-concept randomized controlled trial. The immediate group received a brief education session by a physical therapist, a Fitbit Flex, and four biweekly phone calls for activity counseling. The delayed group received the same intervention 2 months later. Participants were assessed at baseline (T0) and at the end of 2 months (T1), 4 months (T2), and 6 months (T3). Outcomes included (1) mean time on moderate-to-vigorous physical activity (MVPA ≥3 metabolic equivalents [METs], primary outcome), (2) mean time on MVPA ≥4 METs, (3) mean daily steps, (4) mean time on sedentary activities, (5) Knee Injury and Osteoarthritis Outcome Score (KOOS), and (6) Partners in Health scale. Mixed-effects repeated measures analysis of variance was used to assess five planned contrasts of changes in outcome measures over measurement periods. The five contrasts were (1) immediate T1-T0 vs delayed T1-T0, (2) delayed T2-T1 vs delayed T1-T0, (3) mean of contrast 1 and contrast 2, (4) immediate T1-T0 vs delayed T2-T1, and (5) mean of immediate T2-T1 and delayed T3-T2. The first three contrasts estimate the between-group effects. The latter two contrasts estimate the effect of the 2-month intervention delay on outcomes. RESULTS We recruited 61 participants (immediate: n=30; delayed: n=31). Both groups were similar in age (immediate: mean 61.3, SD 9.4 years; delayed: mean 62.1, SD 8.5 years) and body mass index (immediate: mean 29.2, SD 5.5 kg/m2; delayed: mean 29.2, SD 4.8 kg/m2). Contrast analyses revealed significant between-group effects in MVPA ≥3 METs (contrast 1 coefficient: 26.6, 95% CI 4.0-49.1, P=.02; contrast 3 coefficient: 26.0, 95% CI 3.1-49.0, P=.03), daily steps (contrast 1 coefficient: 1699.2, 95% CI 349.0-3049.4, P=.02; contrast 2 coefficient: 1601.8, 95% CI 38.7-3164.9, P=.045; contrast 3 coefficient: 1650.5, 95% CI 332.3-2968.7; P=.02), KOOS activity of daily living subscale (contrast 1 coefficient: 6.9, 95% CI 0.1-13.7, P=.047; contrast 3 coefficient: 7.2, 95% CI 0.8-13.6, P=.03), and KOOS quality of life subscale (contrast 1 coefficient: 7.4, 95% CI 0.0-14.7, P=.049; contrast 3 coefficient: 7.3, 95% CI 0.1-14.6, P=.048). We found no significant effect in any outcome measures due to the 2-month delay of the intervention. CONCLUSIONS Our counseling program improved MVPA ≥3 METs, daily steps, activity of daily living, and quality of life in people with knee osteoarthritis. These findings are important because an active lifestyle is an important component of successful self-management. CLINICALTRIAL ClinicalTrials.gov NCT02315664; https://clinicaltrials.gov/ct2/show/NCT02315664 (Archived by WebCite at http://www.webcitation.org/6ynSgUyUC)

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)0,006
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,006
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,044
Tête enseignante GPT0,417
Écart entre enseignants0,373 · 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'étudeEssai non randomisé
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMobile Health and mHealth Applications→Travaux en français237 207→