MétaCan
Menu
Retour à la cohorte
Enregistrement W4293915320 · doi:10.2196/38536

A Digital Health Intervention for Stress and Anxiety Relief in Perioperative Care: Protocol for a Feasibility Randomized Controlled Trial

2022· article· en· W4293915320 sur OpenAlexvenueno aff
Haridimos Kondylakis, Irene Alice Chicchi Giglioli, Dimitrios G. Katehakis, Hatice Aldemir, Paul Zikas, George Papagiannakis, Santiago Hors-Fraile, Pedro L González-Sanz, Konstantinos C. Apostolakis, Constantine Stephanidis, Francisco J. Núñez-Benjumea, Rosa M Baños-Rivera, Luis Fernández-Luque, Angelina Kouroubali

Notice bibliographique

RevueJMIR Research Protocols · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueMusic Therapy and Health
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Commission
Mots-clésPsychological interventionMedicineRandomized controlled trialAnxietyPerioperativePhysical therapyIntervention (counseling)Health careStress managementNursingClinical psychologySurgeryPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Stress and anxiety are psychophysiological responses commonly experienced by patients during the perioperative process that can increase presurgical and postsurgical complications to a comprehensive and positive recovery. Preventing and intervening in stress and anxiety can help patients achieve positive health and well-being outcomes. Similarly, the provision of education about surgery can be a crucial component and is inversely correlated with preoperative anxiety levels. However, few patients receive stress and anxiety relief support before surgery, and resource constraints make face-to-face education sessions untenable. Digital health interventions can be helpful in empowering patients and enhancing a more positive experience. Digital health interventions have been shown to help patients feel informed about the possible benefits and risks of available treatment options. However, they currently focus only on providing informative content, neglecting the importance of personalization and patient empowerment. OBJECTIVE: This study aimed to explore the feasibility of a digital health intervention called the Adhera CARINAE Digital Health Program, designed to provide evidence-based, personalized stress- and anxiety-management methods enabled by a comprehensive digital ecosystem that incorporates wearable, mobile, and virtual reality technologies. The intervention program includes the use of advanced data-driven techniques for tailored patient education and lifestyle support. METHODS: The trial will include 5 hospitals across 3 European countries and will use a randomized controlled design including 30 intervention participants and 30 control group participants. The involved surgeries are cardiopulmonary and coronary artery bypass surgeries, cardiac valve replacement, prostate or bladder cancer surgeries, hip and knee replacement, maxillofacial surgery, or scoliosis. The control group will receive standard care, and the intervention group will additionally be exposed to the digital health intervention program. RESULTS: The recruitment process started in January 2022 and has been completed. The primary impact analysis is currently ongoing. The expected results will be published in early 2023. CONCLUSIONS: This manuscript details a comprehensive protocol for a study that will provide valuable information about the intervention program, such as the measurement of comparative intervention effects on stress; anxiety and pain management; and usability by patients, caregivers, and health care professionals. This will contribute to the evidence planning process for the future adoption of diverse digital health solutions in the field of surgery. TRIAL REGISTRATION: ClinicalTrials.gov NCT05184725; https://www.clinicaltrials.gov/ct2/show/NCT05184725. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/38536.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,108
Score d'incertitude au seuil0,696

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,225
Tête enseignante GPT0,607
Écart entre enseignants0,381 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetMusic Therapy and HealthTravaux en français237 207