MétaCan
Menu
Retour à la cohorte
Enregistrement W4388306309 · doi:10.2196/51316

Automated Messaging Program to Facilitate Systematic Home Blood Pressure Monitoring: Qualitative Analysis of Provider Interviews

2023· article· en· W4388306309 sur OpenAlexvenueno aff
Julian Einhorn, Andrew Murphy, Shari S. Rogal, Brian Suffoletto, Taya Irizarry, Bruce L. Rollman, Daniel E. Forman, Matthew F. Muldoon

Notice bibliographique

RevueJMIR Cardio · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueBlood Pressure and Hypertension Studies
Établissements canadiensnon disponible
Organismes subventionnairesMedical Center, University of PittsburghUniversity of Pittsburgh
Mots-clésQualitative researchPopulationNursingSalience (neuroscience)Best practiceMedicineHealth carePsychologyMedical education

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Hypertension is a leading cause of cardiovascular and kidney disease in the United States, yet blood pressure (BP) control at a population level is poor and worsening. Systematic home BP monitoring (HBPM) programs can lower BP, but programs supporting HBPM are not routinely used. The MyBP program deploys automated bidirectional text messaging for HBPM and disease self-management support. OBJECTIVE: We aim to produce a qualitative analysis of input from providers and staff regarding implementation of an innovative HBPM program in primary care practices. METHODS: Semistructured interviews (average length 31 minutes) were conducted with physicians (n=11), nurses, and medical assistants (n=6) from primary care settings. The interview assessed multiple constructs in the Consolidated Framework for Implementation Research domains of intervention characteristics, outer setting, inner setting, and characteristics of individuals. Interviews were transcribed verbatim and analyzed using inductive coding to organize meaningful excerpts and identify salient themes, followed by mapping to the updated Consolidated Framework for Implementation Research constructs. RESULTS: Health care providers reported that MyBP has good ease of use and was likely to engage patients in managing their high BP. They also felt that it would directly support systematic BP monitoring and habit formation in the convenience of the patient's home. This could increase health literacy and generate concrete feedback to raise the day-to-day salience of BP control. Providers expressed concern that the cost of BP devices remains an encumbrance. Some patients were felt to have overriding social or emotional barriers, or lack the needed technical skills to interact with the program, use good measurement technique, and input readings accurately. With respect to effects on their medical practice, providers felt MyBP would improve the accuracy and frequency of HBPM data, and thereby improve diagnosis and treatment management. The program may positively affect the patient-provider relationship by increasing rapport and bidirectional accountability. Providers appreciated receiving aggregated HBPM data to increase their own efficiency but also expressed concern about timely routing of incoming HBPM reports, lack of true integration with the electronic health record, and the need for a dedicated and trained staff member. CONCLUSIONS: In this qualitative analysis, health care providers perceived strong relative advantages of using MyBP to support patients. The identified barriers suggest the need for corrective implementation strategies to support providers in adopting the program into routine primary care practice, such as integration into the workflow and provider education. TRIAL REGISTRATION: ClinicalTrials.gov NCT03650166; https://tinyurl.com/bduwn6r4.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,226
Score d'incertitude au seuil0,745

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,114
Tête enseignante GPT0,400
Écart entre enseignants0,286 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR CardioMême sujetBlood Pressure and Hypertension StudiesTravaux en français237 207