Monitoring of Disease Activity With a Smartphone App in Routine Clinical Care in Patients With Axial Spondyloarthritis
Notice bibliographique
Résumé
Objective To investigate the performance of a health app with respect to usability, adherence, and equivalence of data in daily care of patients with axial spondyloarthritis (axSpA). Methods Consecutive patients with axSpA were asked to export patient-reported outcomes (PRO) electronically with the AxSpA Live App regularly every 2 weeks over a period of 6 months. The first clinical visit was followed by 2 further personal visits after 3 and 6 months. Patients completed paper-based PRO at every visit; they also completed the Mobile App Rating Scale and the System Usability Scale after 3 and 6 months. Results Of 103 patients with axSpA, 69 agreed to participate (67.0%): age 41.5 (11.3) years, 58.0% male, Bath Ankylosing Spondylitis Disease Activity Index (BASDAI) 4.3 (2.0), and 76.8% treated with biologic disease-modifying antirheumatic drugs. Patients’ adherence to regular app exports was 29.0% and 28.4% after 3 and 6 months, respectively. Significant predictors for good adherence were high disease activity (P = 0.02) and older age (P = 0.04). No systematic differences between digital and paper-based BASDAI scores were found (intraclass correlation coefficients 0.99 [95% CI 0.98-0.99]). Performance of the app was rated as good. Conclusion Collection of digital PROs by AxSpA Live App may be successfully used in patients with axSpA with high disease activity. Our study showed equivalence of digital data, but adherence to the app after 6 months was poor. Higher disease activity and older age resulted in increased adherence to the app. This suggests that the use of health apps like this should concentrate on more severely affected patients.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 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 ».