Remote monitoring of patients with rheumatoid arthritis in a low disease activity state: a mixed methods evaluation across six hospitals in London, UK
Notice bibliographique
Résumé
OBJECTIVES: This study evaluated the scale-up of a remote monitoring service, capturing monthly Rheumatoid Arthritis Impact of Disease scores and patient-generated text messages, for patients with rheumatoid arthritis (RA; in remission or with low disease activity) attending routine outpatient clinics across six hospitals. We explored patients and staff experiences and implementation outcomes. METHODS: A pragmatic, mixed methods approach was used, with active patient involvement throughout. We undertook a rapid review, analysed service-level data, and conducted a patient survey and patient and staff interviews, informed by the Capability, Opportunity, Motivation, Behaviour (COM-B) and Exploration, Preparation, Implementation, Sustainment (EPIS) theoretical frameworks. RESULTS: The review included 37 articles, covering themes of patient and clinician acceptability, engagement, feasibility and clinical impact. Service-level data (n = 202) showed high levels of patient engagement with the service. The patient survey (n = 155) showed patients felt the service was easy to use, had confidence in it and felt it improved access to care. Patient interview (n = 22) findings mirrored those of the survey. Motivating factors included increased responsiveness and ease of contact with clinical teams. Views from staff interviews (n = 16) were more mixed. Some implementation barriers were specific to roll-out sites. Prioritization of staff needs was emphasized. CONCLUSION: Patients were positive about the service and engagement was high. Staff views and engagement were more mixed. Results suggest that equal levels of patient and staff engagement are required for sustainability. These findings further our understanding of the implementation challenges to scaling remote monitoring interventions for patients with rheumatoid arthritis in routine care settings.
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 | 0,022 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».