Mobile Technology–Based Interventions for Stroke Self-Management Support: Scoping Review
Notice bibliographique
Résumé
BACKGROUND: There is growing interest in enhancing stroke self-management support using mobile health (mHealth) technology (eg, smartphones and apps). Despite this growing interest, "self-management support" is inconsistently defined and applied in the poststroke mHealth intervention literature, which limits efforts to synthesize and compare evidence. To address this gap in conceptual clarity, a scoping review was conducted. OBJECTIVE: The objectives were to (1) identify and describe the types of poststroke mHealth interventions evaluated using a randomized controlled trial design, (2) determine whether (and how) such interventions align with well-accepted conceptualizations of self-management support (the theory by Lorig and Holman and the Practical Reviews in Self-Management Support [PRISMS] taxonomy by Pearce and colleagues), and (3) identify the mHealth functions that facilitate self-management. METHODS: A scoping review was conducted according to the methodology by Arksey and O'Malley and Levac et al. In total, 7 databases were searched. Article screening and data extraction were performed by 2 reviewers. The data were analyzed using descriptive statistics and content analysis. RESULTS: A total of 29 studies (26 interventions) were included. The interventions addressed 7 focal areas (physical exercise, risk factor management, linguistic exercise, activities of daily living training, medication adherence, stroke education, and weight management), 5 types of mobile devices (mobile phones or smartphones, tablets, wearable sensors, wireless monitoring devices, and laptops), and 7 mHealth functions (educating, communicating, goal setting, monitoring, providing feedback, reminding, and motivating). Collectively, the interventions aligned well with the concept of self-management support. However, on an individual basis (per intervention), the alignment was less strong. CONCLUSIONS: On the basis of the results, it is recommended that future research on poststroke mHealth interventions be more theoretically driven, more multidisciplinary, and larger in scale.
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 | 0,021 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,024 | 0,021 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».