Digital health technology and hypertension management: a qualitative analysis of patient and specialist provider preferences on data tracking
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Aim: Digital health for hypertension management holds potential for improving the quality of care but requires long-term patient engagement to track health data. We explored patient and hypertension specialist perceptions of clinical utility for data tracking including standardized patient-reported outcome measures (PROMs), home blood pressure (BP) measurement, and other health metrics. Methods: Participants reviewed general health status, patient satisfaction, and hypertension-specific PROMs. Semi-structured focus groups (n = 15) with nine patients with hypertension and six hypertension specialists were audio-recorded and thematically analyzed. Results: Key themes identified from patients included: (1) comfort and appreciation of home BP monitoring but only during important periods of hypertension care; (2) preference for tracking new symptoms and medication side effects; (3) patients perceived tracking other health measures including general PROMs, diet and exercise as less relevant to their care; and (4) visually represented BP trends evaluating associations with changes in other health parameters were perceived as useful. Key themes identified by hypertension specialists included: (1) concerns about patient digital literacy; (2) utilizing visual representations of long-term BP data trends for patient empowerment; and (3) unclear relevance of tracking medication adverse effects, PROMs, and other non-BP health metrics. Conclusion: Patients and hypertension specialists had similar perspectives for most aspects of data monitoring but differed in preference for a few aspects that were germane to patients, including monitoring medication adverse effects and symptoms. Including views on data tracking from both patients and providers are essential for designing digital tools to optimize hypertension management.
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.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle