Development and Effectiveness of a Mobile Health Intervention in Improving Health Literacy and Self-management of Patients With Multimorbidity and Heart Failure: Protocol for a Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Patients with multimorbidity and complex health needs are defined as a priority by the World Health Organization (WHO) and the European Union. There is a need to develop appropriate strategies with effective measures to meet the challenge of chronicity, reorienting national health systems. The increasing expansion of mobile health (mHealth) interventions in patient communication, the reduction of health inequalities, improved access to health care resources, adherence to treatment, and self-care of chronic diseases all point to an optimistic outlook. However, only few mobile apps demonstrate their effectiveness in these patients, which is diminished when they are not based on evidence, or when they are not designed by and for users with different levels of health literacy (HL). OBJECTIVE: This study aims to evaluate the efficacy of an mHealth intervention relative to routine clinical practice in improving HL and self-management in patients with multimorbidity with heart failure (HF) and complex health needs. METHODS: This is a randomized, multicenter, blinded clinical trial evaluating 2 groups, namely, a control group (standard clinical practice) and an intervention group (standard clinical practice and an ad hoc designed mHealth intervention previously developed), for 12 months. RESULTS: The contents of the mHealth intervention will address user-perceived needs based on the development of user stories regarding diet, physical exercise, cardiac rehabilitation, therapeutic adherence, warning signs and symptoms, and emotional management. These contents have been validated by expert consensus. The creation and development of the contents of the mHealth intervention (app) took 18 months and was completed during 2021. The mobile app is expected to be developed by the end of 2022, after which it will be applied to the experimental group as an adjunct to standard clinical care during 12 months. CONCLUSIONS: The trial will demonstrate whether the mobile app improves HL and self-management in patients with HF and complex health needs, improves therapeutic adherence, and reduces hospital admissions. This study can serve as a starting point for developing other mHealth tools in other pathologies and for their generalization to other contexts. TRIAL REGISTRATION: ClinicalTrials.gov NCT04725526; https://tinyurl.com/bd8va27w. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/35945.
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 | 0,035 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,003 |
| Méta-épidémiologie (sens large) | 0,015 | 0,008 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,009 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,062 | 0,011 |
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 ».