Personalized Management of Fatigue in Individuals With Myalgic Encephalomyelitis/Chronic Fatigue Syndrome and Long COVID Using a Smart Digital mHealth Solution: Protocol for a Participatory Design Approach
Notice bibliographique
Résumé
BACKGROUND: Fatigue is the most common symptom in myalgic encephalomyelitis/chronic fatigue syndrome (ME/CFS) and long COVID, impacting patients' quality of life; however, there is currently a lack of evidence-based context-aware tools for fatigue self-management in these populations. OBJECTIVE: This study aimed to (1) address fatigue in ME/CFS and long COVID through the development of digital mobile health solutions for self-management, (2) predict perceived fatigue severity using real-time data, and (3) assess the feasibility and potential benefits of personalized digital mobile health solutions. METHODS: The MyFatigue project adopts a patient-centered approach within the participatory health informatics domain. Patient representatives will be actively involved in decision-making processes. This study combines inductive and deductive research approaches, using qualitative studies to generate new knowledge and quantitative methods to test hypotheses regarding the relationship between factors like physical activity, sleep behaviors, and perceived fatigue in ME/CFS and long COVID. Co-design methods will be used to develop a personalized digital solution for fatigue self-management based on the generated knowledge. Finally, a pilot study will evaluate the feasibility, acceptance, and potential benefits of the digital health solution. RESULTS: The MyFatigue project opened to enrollment in November 2023. Initial results are expected to be published by the end of 2024. CONCLUSIONS: This study protocol holds the potential to expand understanding, create personalized self-management approaches, engage stakeholders, and ultimately improve the well-being of individuals with ME/CFS and long COVID. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): PRR1-10.2196/50157.
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 | 0,053 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,038 | 0,006 |
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 ».