A Smartwatch System for Continuous Monitoring of Atrial Fibrillation in Older Adults After Stroke or Transient Ischemic Attack: Application Design Study
Notice bibliographique
Résumé
BACKGROUND: The prevalence of atrial fibrillation (AF) increases with age and can lead to stroke. Therefore, older adults may benefit the most from AF screening. However, older adult populations tend to lag more than younger groups in the adoption of, and comfort with, the use of mobile health (mHealth) apps. Furthermore, although mobile apps that can detect AF are available to the public, most are designed for intermittent AF detection and for younger users. No app designed for long-term AF monitoring has released detailed system design specifications that can handle large data collections, especially in this age group. OBJECTIVE: This study aimed to design an innovative smartwatch-based AF monitoring mHealth solution in collaboration with older adult participants and clinicians. METHODS: The Pulsewatch system is designed to link smartwatches and smartphone apps, a website for data verification, and user data organization on a cloud server. The smartwatch in the Pulsewatch system is designed to continuously monitor the pulse rate with embedded AF detection algorithms, and the smartphone in the Pulsewatch system is designed to serve as the data-transferring hub to the cloud storage server. RESULTS: We implemented the Pulsewatch system based on the functionality that patients and caregivers recommended. The user interfaces of the smartwatch and smartphone apps were specifically designed for older adults at risk for AF. We improved our Pulsewatch system based on feedback from focus groups consisting of patients with stroke and clinicians. The Pulsewatch system was used by the intervention group for up to 6 weeks in the 2 phases of our randomized clinical trial. At the conclusion of phase 1, 90 trial participants who had used the Pulsewatch app and smartwatch for 14 days completed a System Usability Scale to assess the usability of the Pulsewatch system; of 88 participants, 56 (64%) endorsed that the smartwatch app is "easy to use." For phases 1 and 2 of the study, we collected 9224.4 hours of smartwatch recordings from the participants. The longest recording streak in phase 2 was 21 days of consecutive recordings out of the 30 days of data collection. CONCLUSIONS: This is one of the first studies to provide a detailed design for a smartphone-smartwatch dyad for ambulatory AF monitoring. In this paper, we report on the system's usability and opportunities to increase the acceptability of mHealth solutions among older patients with cognitive impairment. TRIAL REGISTRATION: ClinicalTrials.gov NCT03761394; https://www.clinicaltrials.gov/ct2/show/NCT03761394. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): RR2-10.1016/j.cvdhj.2021.07.002.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; 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 ».