Impact of a Remote Patient Monitoring Platform on Outcomes Following a Total Hip or Knee Arthroplasty
Notice bibliographique
Résumé
BackgroundThe coronavirus pandemic highlighted the need for remote patient monitoring to deliver and provide access to patient care and education. A mobile-based app providing interactive tools for patient education and monitoring was piloted at Thunder Bay Regional Health Sciences Centre (TBRHSC) in November 2020. We aimed to examine the platform’s impact on postoperative length of stay, hospital readmissions, and emergency department (ED) visits 60 days postsurgery in total hip and knee arthroplasty patients in Northwestern Ontario.MethodsData were assessed from patients undergoing primary total hip or knee arthroplasties at TBRHSC from March 1, 2020, to February 28, 2022. Patients were divided into 2 cohorts based on enrollment with the mobile-based app (SeamlessMD). Statistical differences in outcomes were determined using Mann-Whitney or χ2 tests. An odds ratio was calculated for ED visits.ResultsPatients enrolled in the mobile-based app had statistically lower length of stay (U = 7779.0, P < .001) and fewer ED visits (χ2(1,212) = 5.570, P = .018) than patients not enrolled in the program. Patients not enrolled had 2.31 times greater odds of visiting the ED postsurgery (odds ratio = 0.432, 95% confidence interval = 0.213-0.877, P = .022). There were no statistical differences found in readmission rates.ConclusionsThe implementation of the mobile-based app at TBRHSC showed its potential value as a tool to reduce costs in the healthcare system and improve patient outcomes. Consequentially, more formal studies are required to elucidate the magnitude of this effect.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».