Pilot Investigation of Blood Pressure Control Using a Mobile App (Cardi.Health): Retrospective Chart Review Study
Notice bibliographique
Résumé
BACKGROUND: The high prevalence of hypertension necessitates effective, scalable interventions for blood pressure (BP) control. Self-monitoring has shown improved adherence to medication and better BP management. Mobile apps offer a promising approach with their increasing popularity and potential for large-scale implementation. Studies have demonstrated associations between mobile app interventions and lowered BP, yet real-world data on app effectiveness and engagement remain limited. OBJECTIVE: In this study, we analyzed real-world user data from the Cardi.Health mobile app, which is aimed at helping its users monitor and control their BP. Our goal was to find out whether there is an association between the use of the mobile app and a decrease in BP. Additionally, the study explored how engagement with the app may influence this outcome. METHODS: This was a retrospective chart review study. The initial study population comprised 4407 Cardi.Health users who began using the app between January 2022 and April 2022. After applying inclusion criteria, the final study cohort comprised 339 users with elevated BP at the baseline. The sample consisted of 108 (31.9%) men and 231 (68.1%) women (P=.04). This retrospective chart review study obtained permission from the Biomedical Research Alliance of New York Institutional Review Board (June 2022, registration ID 22-08-503-939). RESULTS: =5.311; P=.02). Finally, active users had an almost 2 times greater chance of reducing systolic BP by 5 mm Hg or more over 4 weeks (odds ratio 1.932, 95% CI 1.074-3.528; P=.03). CONCLUSIONS: This study shows a possible relationship between Cardi.Health mobile app use and decreased BP. Additionally, engagement with the app may be related to better results-active use was associated with an almost 2-fold increase in the odds of reducing BP by 5 or more mm Hg.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».