Effects of a WhatsApp-Assisted Health Educational Intervention for Cardiac Rehabilitation: A Randomized Controlled Clinical Trial Protocol
Notice bibliographique
Résumé
Although the effectiveness of cardiac rehabilitation (CR) programs in secondary prevention is well-recognized, there is a lack of studies exploring the potential of mobile health to enhance educational interventions within CR. The objective is to assess the impact of a structured WhatsApp-assisted health educational intervention, in conjunction with the usual care, compared to the usual care alone among participants enrolled in a CR program. The trial will recruit 32 participants enrolled in a CR program, who will be randomly assigned to a structured WhatsApp-assisted health educational intervention plus usual care or usual care alone group. The intervention will span 4 weeks, with assessments at baseline, 4 weeks, and 3, 6, and 12 months. The primary outcome measure is the cardiovascular risk factors knowledge score. Secondary outcomes include physical activity levels, anxiety and depression, and quality of life. Expected results include improved knowledge of cardiovascular risk factors, increased physical activity levels, and better mental health outcomes in the intervention group. Additionally, an enhancement in the overall quality of life is anticipated. These findings are expected to underscore the value of integrating mHealth with traditional CR methods, potentially shaping future approaches in chronic disease management and prevention.
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 | 0,016 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,003 |
| Méta-épidémiologie (sens large) | 0,010 | 0,004 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,008 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,054 | 0,009 |
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 ».