Mobile Application's Effect on Patient Satisfaction and Compliance in Total Joint Arthroplasty: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
Use of mobile applications to improve patient engagement is particularly promising in total joint arthroplasty (TJA) whereby successful outcomes are predicated by patient engagement. In accordance with published guidelines by the Preferred Reporting Items for Systematic Reviews and Meta-Analyses, studies were searched, screened, and appraised for quality on various search engines. Hedges' g or odds ratios of patient adherence were reported. Twelve studies met the inclusion criteria, and the average age of 9,521 patients included was 60 years. Six studies concluded that mobile applications improved patients' satisfaction, with Hedges' g revealing an effect size of 1.64 (95% confidence interval [CI] 0.90 to 2.37), P < 0.001, in favor of mobile applications increasing patient satisfaction. Six studies reported improvements in compliance demonstrating an odds ratio for improved adherence of 4.57 (95% CI, 1.66 to 12.62), P < 0.001. Two studies reported a reduction in unscheduled office or emergency department visits. With evolving reimbursement policies linked to outcomes paired with the exponentially increasing volume of TJA performed, innovative ways to efficiently deliver high-quality care are in demand. Our systematic review is limited by a dearth of research on the nascent technology, but the available data suggest that mobile applications may enhance patient satisfaction, improve compliance, and reduce unscheduled visits after TJA.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».