Mobile phone access and preferences among medical inpatients at an urban Canadian hospital for post-discharge planning: A pre-COVID-19 cross-sectional survey
Notice bibliographique
Résumé
Background: Digital health interventions are increasingly used for patient care, yet little data is available on the phone access type and usage preferences amongst medical ward inpatients to inform the most appropriate digital interventions post-discharge. Methods: To identify mobile phone ownership, internet access, and cellular use preferences among medical inpatients, we conducted a researcher-administered survey of patients admitted to five internal medicine units at Vancouver General Hospital (VGH) in January 2020. The survey was administered over 2 days separated by a 2-week period. Results: a proxy (or an authorized third-party) such as a family member. All participants with mobile phone access had cellular plans (i.e., phone and text); however, a quarter of respondents did not have data plans with internet access. Survey showed that 71.1% of males owned a mobile phone compared to only 52.8% of females. All participants at a "high" risk of readmission had access to a mobile phone, either as phone-owners or proxy-dependent users. Conclusion: Access to mobile phones among medical ward inpatients, 85.2%, was comparable to smartphone penetration rates amongst Canadians in 2019, 85.1%. More patients had cellular than data plans (i.e., internet and applications). Understanding patient-specific access is key to informing potential uptake of digital health interventions aimed at using patients' mobile phones (mHealth) from an effectiveness and equity lens.
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 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 | 0,003 | 0,001 |
| 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 | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».