Characteristics of Smart Health Ecosystems That Support Self-care Among People With Heart Failure: Scoping Review
Notice bibliographique
Résumé
BACKGROUND: The management of heart failure is complex. Innovative solutions are required to support health care providers and people with heart failure with decision-making and self-care behaviors. In recent years, more sophisticated technologies have enabled new health care models, such as smart health ecosystems. Smart health ecosystems use data collection, intelligent data processing, and communication to support the diagnosis, management, and primary and secondary prevention of chronic conditions. Currently, there is little information on the characteristics of smart health ecosystems for people with heart failure. OBJECTIVE: We aimed to identify and describe the characteristics of smart health ecosystems that support heart failure self-care. METHODS: We conducted a scoping review using the Joanna Briggs Institute methodology. The MEDLINE, Embase, CINAHL, PsycINFO, IEEE Xplore, and ACM Digital Library databases were searched from January 2008 to September 2021. The search strategy focused on identifying articles describing smart health ecosystems that support heart failure self-care. A total of 2 reviewers screened the articles and extracted relevant data from the included full texts. RESULTS: After removing duplicates, 1543 articles were screened, and 34 articles representing 13 interventions were included in this review. To support self-care, the interventions used sensors and questionnaires to collect data and used tailoring methods to provide personalized support. The interventions used a total of 34 behavior change techniques, which were facilitated by a combination of 8 features for people with heart failure: automated feedback, monitoring (integrated and manual input), presentation of data, education, reminders, communication with a health care provider, and psychological support. Furthermore, features to support health care providers included data presentation, alarms, alerts, communication tools, remote care plan modification, and health record integration. CONCLUSIONS: This scoping review identified that there are few reports of smart health ecosystems that support heart failure self-care, and those that have been reported do not provide comprehensive support across all domains of self-care. This review describes the technical and behavioral components of the identified interventions, providing information that can be used as a starting point for designing and testing future smart health ecosystems.
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 | 0,010 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,020 | 0,021 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».