Smartphone applications for informal caregivers of chronically ill patients: a scoping review
Notice bibliographique
Résumé
Mobile-health applications can be used to deliver timely and personalized health information to family and friends of chronically ill adults living in the community. This scoping review aims to investigate the nature and extent of native smartphone applications for informal caregivers. Six databases were searched for articles on applications across ten chronic conditions, namely heart disease, stroke, cancer, chronic obstructive respiratory disease, asthma, diabetes, Alzheimer's disease or other dementia, rheumatoid arthritis, hypertension, and mood or anxiety disorders. In total, 36 articles were included, encompassing 26 applications. Of these, smartphone applications were designed for use only by caregivers (n = 15), with a few applications also intended to be used with patients (n = 5), healthcare providers (n = 4), or all three roles (n = 2). Most applications targeted a single chronic condition (n = 25), with Alzheimer's and other dementia being the most common (n = 18). Only one application was designed for management of multiple chronic conditions. Long-term evaluation methods are needed to continually assess the impact of applications on a range of process and health outcomes, such as usability, caregiver burden, and quality of life. Additional directions to advance native smartphone applications for caregivers are discussed, including personalization and expansion of eligibility criteria.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».