Recommendations for the Quality Management of Patient-Generated Health Data in Remote Patient Monitoring: Mixed Methods Study
Notice bibliographique
Résumé
BACKGROUND: Patient-generated health data (PGHD) collected from innovative wearables are enabling health care to shift to outside clinical settings through remote patient monitoring (RPM) initiatives. However, PGHD are collected continuously under the patient's responsibility in rapidly changing circumstances during the patient's daily life. This poses risks to the quality of PGHD and, in turn, reduces their trustworthiness and fitness for use in clinical practice. OBJECTIVE: Using a sociotechnical health informatics lens, we developed a data quality management (DQM) guideline for PGHD captured from wearable devices used in RPM with the objective of investigating how DQM principles can be applied to ensure that PGHD can reliably inform clinical decision-making in RPM. METHODS: First, clinicians, health information specialists, and MedTech industry representatives with experience in RPM were interviewed to identify DQM challenges. Second, these stakeholder groups were joined by patient representatives in a workshop to co-design potential solutions to meet the expectations of all the stakeholders. Third, the findings, along with the literature and policy review results, were interpreted to construct a guideline. Finally, we validated the guideline through a Delphi survey of international health informatics and health information management experts. RESULTS: The guideline constructed in this study comprised 19 recommendations across 7 aspects of DQM. It explicitly addressed the needs of patients and clinicians but implied that there must be collaboration among all stakeholders to meet these needs. CONCLUSIONS: The increasing proliferation of PGHD from wearables in RPM requires a systematic approach to DQM so that these data can be reliably used in clinical care. The developed guideline is an important next step toward safe RPM.
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 | 0,521 | 0,430 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».