Use of a mobile health application by adult non-congenital cardiac surgery patients: A feasibility study
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
Mobile Health (mHealth) technologies are becoming integral to our healthcare system. This study evaluated the feasibility (compliance, usability and user satisfaction) of a mHealth application (app) for delivering Enhanced Recovery Protocols (ERPs) information to Cardiac Surgery (CS) patients peri-operatively. This single centre, prospective cohort study involved patients undergoing CS. Patients received a mHealth app developed for the study at consent and for 6-8 weeks post-surgery. Patients completed system usability, patient satisfaction and quality of life surveys pre- and post-surgery. A total of 65 patients participated in the study (mean age of 64 years). The app achieved an overall utilization rate of 75% (68% vs 81% for <65 and ≥65 years respectively). Pre-surgery, the majority of patients found the app easy to use (94%), user-friendly (89%), and felt confident using the app (92%). The majority also found the app's educational information useful (90%) and easy to find (88%). 75% of patients reported that they would like to use the app frequently. This percentage decreased to 57% in the post-discharge survey. A lower percentage of patients ≥65 years indicated their preference for the app over printed information (51% vs 87%) and their recommendation for the app (84% vs 100% for >65 and <65 years respectively) in the post-surgery survey. MHealth technology is feasible for peri-operative CS patient education, including older adult patients. The majority of patients were satisfied with the app and would recommend using it over the use of printed materials.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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