Patients’ experience using an app for home remote monitoring of heart failure for a university hospital in Quebec, Canada
Notice bibliographique
Résumé
Abstract Background The use of mobile health apps for remote monitoring has considerable potential for patient care. However, more research is needed to gather patients’ experience with their use. This study evaluates heart failure patients’ experience of the effects of remote monitoring on the management of heart failure (HF) using a smartphone app, the challenges faced in such use, and patients’ suggestions for improving the efficacy of this device. Method A qualitative study was conducted with all patients who had used the TakeCare™ app for at least three months during the exploratory phase of the Continuum project. Patients were recruited before COVID-19 began, and they used the app during this period. The app allows patients to submit their daily vital signs and answer questions about their symptoms to help the clinical professionals adjust their treatment plan as needed. Individual interviews were conducted by telephone or videoconference using a semi-structured individual interview guide. All interviews were recorded, transcribed and analyzed using the thematic analysis method. Results Of the 29 patients invited, 5 had since died, 10 did not respond, two gave positive feedback on the app but declined the interview, and 12 patients agreed to participate in an individual interview. The participants all liked the app’s ease of use. They particularly praised the contribution it made to monitoring their disease, both by themselves and by clinicians. The app also allowed them to stay connected to their clinical team and have better access to healthcare professionals. Patients suggested, as an improvement, that the feedback and communication features should be personalized to make them more individualized and interactive. Conclusion The TakeCare™ smartphone app was well received by patients with heart failure. Its use could facilitate better remote monitoring of heart conditions in the home as well as improve access to clinical teams.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».