MétaCan
Menu
← Retour à la cohorte
Enregistrement W4312534778 · doi:10.2196/41115

A Digital Infrastructure for Cardiovascular Patient Care Based on Mobile Health Data and Patient-Reported Outcomes: Concept Details of the Helios TeleWear Project Including Preliminary Experiences

2022· article· en· W4312534778 sur OpenAlexvenueno aff
Johannes Leiner, Sebastian König, Konstantinos Mouratis, Igor Kim, Pia Schmitz, Tanvi Joshi, Carolin Schanner, Lisa Wohlrab, Sven Hohenstein, Vincent Pellissier, Anne Nitsche, Ralf Kuhlen, Gerhard Hindricks, Andreas Bollmann

Notice bibliographique

RevueJMIR Formative Research · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesSächsische Aufbaubank
Mots-clésmHealthPersonalizationDigital healthWearable computerUsabilityWearable technologyMedicineHealth careTelemedicineClinical trialComputer sciencePsychological interventionHuman–computer interactionNursingWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Mobile health (mHealth) approaches are already having a fundamental impact on clinical practice in cardiovascular medicine. A variety of different health apps and wearable devices for capturing health data such as electrocardiograms (ECGs) exist. However, most mHealth technologies focus on distinct variables without integrating patients' quality of life, and the impact on clinical outcome measures of implementing those digital solutions into cardiovascular health care is still to be determined. OBJECTIVE: Within this document, we describe the TeleWear project, which was recently initiated as an approach for contemporary patient management integrating mobile-collected health data and the standardized mHealth-guided measurement of patient-reported outcomes (PROs) in patients with cardiovascular disease. METHODS: The specifically designed mobile app and clinical frontend form the central elements of our TeleWear infrastructure. Because of its flexible framework, the platform allows far-reaching customization with the possibility to add different mHealth data sources and respective questionnaires (patient-reported outcome measures). RESULTS: With initial focus on patients with cardiac arrhythmias, a feasibility study is currently carried out to assess wearable-recorded ECG and PRO transmission and its evaluation by physicians using the TeleWear app and clinical frontend. First experiences made during the feasibility study yielded positive results and confirmed the platform's functionality and usability. CONCLUSIONS: TeleWear represents a unique mHealth approach comprising PRO and mHealth data capturing. With the currently running TeleWear feasibility study, we aim to test and further develop the platform in a real-world setting. A randomized controlled trial including patients with atrial fibrillation that investigates PRO- and ECG-based clinical management based on the established TeleWear infrastructure will evaluate its clinical benefits. Widening the spectrum of health data collection and interpretation beyond the ECG and use of the TeleWear infrastructure in different patient subcohorts with focus on cardiovascular diseases are further milestones of the project with the ultimate goal to establish a comprehensive telemedical center entrenched by mHealth.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,005
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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 Opus0,109
Tête enseignante GPT0,485
Écart entre enseignants0,376 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetMobile Health and mHealth Applications→Travaux en français237 207→