Wearables for early detection of atrial fibrillation and timely referral for Indigenous people ≥55 years: mixed-methods protocol
Notice bibliographique
Résumé
INTRODUCTION: Digital health technologies have the potential to provide cost-effective care to remote and underserved populations. To realise this potential, research must involve people not traditionally included. No research focuses on the acceptability and feasibility of older Indigenous people using wearables for early atrial fibrillation (AF) detection. This protocol compares digital augmentation against standard practice to detect AF, evaluate heart health self-efficacy and health literacy changes and identify barriers in collaboration with Aboriginal Community Controlled Health Organisations. It will establish a framework for implementing culturally safe and acceptable wearable programmes for detecting and managing AF in Indigenous adults ≥55 years and older. METHODS: This mixed-methods research will use the Rambaldini model of collective impact, a user-centred, co-design methodology and yarning circles, a recognised Indigenous research methodology to assess the cultural safety, acceptability, feasibility and efficacy of incorporating wearables into standard care for early AF detection. ANALYSIS: Qualitative data will be analysed to create composite descriptions of participants' experiences and perspectives related to comfort, cultural safety, convenience, confidence, family reactions and concerns. Quantitative device data will be extracted and analysed via Statistical Product and Service Solutions (SPSS). CONCLUSION: Prioritising perspectives of older Indigenous adults on using wearables for detecting and monitoring cardiovascular disease will ensure that the findings are effective, relevant and acceptable to those impacted. ETHICS AND DISSEMINATION: Findings will be published in open-source peer-reviewed journals, shared at professional conferences, described in lay terms and made available to the public. The AHMRC HREC Reference Number approved 1135/15.
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 | 0,049 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,091 | 0,020 |
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 ».