MétaCan
Menu
← Retour à la cohorte
Enregistrement W4311838109 · doi:10.1101/2022.12.06.22283117

Remote patient monitoring and digital therapeutics in heart failure: lessons from the Continuum pilot study

2022· preprint· en· W4311838109 sur OpenAlexafffundabout
Emmanuel Marier-Tétrault, Emmanuel Bebawi, Stéphanie Béchard, Philippe Brouillard, Priccila Zuchinali, Émilie Rémillard, Zoé Carrier, Loyda Jean-Charles, John Nguyen, Pascale M. Lehoux, Marie‐Pascale Pomey, Paula Aver Bretanha Ribeiro, François Tournoux

Notice bibliographique

RevuemedRxiv · 2022
Typepreprint
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensCentre Hospitalier de l’Université de MontréalUniversité de MontréalHôpital du Sacré-Cœur de Montréal
Organismes subventionnairesMitacs
Mots-clésMedicineDashboardIntervention (counseling)TelemedicineAdverse effectHeart failureEjection fractionmHealthDigital healthMedical emergencyHealth careIntensive care medicinePsychological interventionNursingInternal medicineEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction The increasing use of digital health solutions to monitor heart failure (HF) outpatients has been driven by the COVID-19 pandemic. An ideal technology should answer the specific needs of a public healthcare system: easy integration and proof of clinical benefit to justify investment in its long-term use. Through a consortium bringing together patients, physicians, industry, and hospital organizations, we developed a digital solution called “Continuum,” targeting patients with HF and other comorbidities. Hypothesis A digital health solution combining remote patient monitoring (RPM) and digital therapeutics (DTx) was developed to ensure a better follow-up of patients and to rapidly optimize their medication and subsequently avoid future severe adverse events. Methods A pilot intervention/control study with a three-month follow-up was conducted. Patients in the intervention group (remote patient monitoring group, RPM + ) had a smartphone or tablet and entered in their mobile app their vital signs, weight, and HF symptoms daily. HF patients who either did not have a mobile device or the skills to use the app were enrolled in the control group (RPM - ). The HealthCare Professionals (HCPs) used a web-based dashboard to follow the RPM + patients. They could access the results of a DTx solution to help them optimize the HF treatment according to Canadian guidelines. Results 52 HF patients were enrolled in this study, 32 in the RPM + : 69±9y age, 75% male, ejection fraction 42 ± 14%. In the RPM - group, more patients had at least one hospitalization (all-cause) compared to the RPM + group (35% versus 6% respectively; p=0.008). Similarly, the number of patients with at least one HF hospitalization was more significant in the RPM + group compared to the RPM - (25% versus 6%, p=0.054). Finally, the intervention showed a medium effect on HF treatment optimization (w=0.26) and quality of life for the most compliant patients to the intervention (g=0.48). Conclusion The results of this pilot study demonstrated the feasibility of an intervention combining RPM and DTx solutions for HF patients. Preliminary results suggest promising impacts on quality of life, hospitalizations, and patients’ medication optimization. However, they need to be confirmed in a more extensive study.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,062
Tête enseignante GPT0,319
Écart entre enseignants0,256 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations1
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetHeart Failure Treatment and Management→Travaux en français237 207→