Implementing remote monitoring for COVID-19 patients in primary care
Notice bibliographique
Résumé
Abstract Background In Germany, most patients with coronavirus disease 2019 (COVID-19) are treated in an outpatient setting. To improve assessments of the health status of COVID-19 outpatients, various remote monitoring models have been developed. However, little information exists on experiences acquired with remote monitoring in an outpatient setting, particularly from a patient perspective. The aim of our ‘COVID-19@home’ study was therefore to implement and evaluate an app-based remote monitoring concept for acute and post-acute COVID-19-patients in primary care. In this paper, we focus on the patients’ evaluation of our remote monitoring approach. Methods Patients with acute COVID-19 measured heart rate, blood pressure, oxygen saturation, and body temperature daily for 28 days. Patients with post-acute COVID-19 determined the same parameters for 12 weeks, supplemented by lung parameters and daily step count. The data were documented using the ‘SaniQ’ smartphone app. COVID-19 symptoms were assessed daily using an app-based questionnaire. Patients’ GPs could access the data on the ‘SaniQ Praxis’ telemedicine platform. We used an app-based questionnaire consisting of 11 questions presented with a 4-point Likert scale to evaluate patient satisfaction. Data were analyzed descriptively. Results Of the 51 patients aged 19-77 years that participated in the study, 42 completed the questionnaire. All patients rated home monitoring as ‘very good’ or ‘rather good’ and were able to integrate the measuring processes into their daily routines. Overall, 93% would recommend the app and the measuring devices to their family and friends. About 60% felt that their COVID-19 treatment had benefited from home monitoring. Only few patients were unsettled by the app and use of the measuring devices. During the course of the study, the implementation process was optimized. Conclusions The use of remote monitoring in COVID-19 patients is feasible and was evaluated positively by most study patients. However, it is difficult to imagine how general practices could cope with monitoring patients with acute diseases without any further organizational support. Future research should address cost-effectiveness and changes in such clinical outcomes as hospitalization and mortality.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».