MétaCan
Menu
Retour à la cohorte
Enregistrement W4391533294 · doi:10.1016/j.ijmedinf.2024.105371

A semi-automatic mHealth system using wearable devices for identifying pain-related parameters in elderly individuals

2024· article· en· W4391533294 sur OpenAlexaboutno aff
Dogukan Baran Gungormus, Francisco M. García-Moreno, María Bermúdez-Edo, Laura Sánchez-Bermejo, José Luis García Garrido, María José Rodríguez‐Fórtiz, José Manuel Pérez‐Mármol

Notice bibliographique

RevueInternational Journal of Medical Informatics · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueEmotion and Mood Recognition
Établissements canadiensnon disponible
Organismes subventionnairesAgencia Estatal de InvestigaciónJunta de AndalucíaEuropean Regional Development FundUniversidad de GranadaMinisterio de Ciencia e Innovación
Mots-clésmHealthWearable computerComputer scienceWearable technologyTelemedicineMedicineHuman–computer interactionHealth careNursingEmbedded systemPsychological intervention

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Mobile health systems integrating wearable devices are emerging as promising tools for registering pain-related factors. However, their application in populations with chronic conditions has been underexplored. OBJECTIVE: To design a semi-automatic mobile health system with wearable devices for evaluating the potential predictive relationship of pain qualities and thresholds with heart rate variability, skin conductance, perceived stress, and stress vulnerability in individuals with preclinical chronic pain conditions such as suspected rheumatic disease. METHODS: A multicenter, observational, cross-sectional study was conducted with 67 elderly participants. Predicted variables were pain qualities and pain thresholds, assessed with the McGill Pain Questionnaire and a pressure algometer, respectively. Predictor variables were heart rate variability, skin conductance, perceived stress, and stress vulnerability. Multiple linear regression analyses were conducted to examine the influence of the predictor variables on the pain dimensions. RESULTS: The multiple linear regression analysis revealed that the predictor variables significantly accounted for 27% of the variability in the affective domain, 14% in the miscellaneous domain, 15% in the total pain rating index, 10% in the number of words chosen, 14% in the present pain intensity, and 16% in the Visual Analog Scale scores. CONCLUSION: The study found significant predictive values of heart rate variability, skin conductance, perceived stress, and stress vulnerability in relation to pain qualities and thresholds in the elderly population with suspected rheumatic disease. The comprehensive integration of physiological and psychological stress measures into pain assessment of elderly individuals with preclinical chronic pain conditions could be promising for developing new preventive strategies.

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)0,005
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,918
Score d'incertitude au seuil0,379

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,080
Tête enseignante GPT0,411
Écart entre enseignants0,332 · 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'étudeSimulation ou modélisation
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

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Medical InformaticsMême sujetEmotion and Mood RecognitionTravaux en français237 207