MétaCan
Menu
Retour à la cohorte
Enregistrement W4405248811 · doi:10.1177/20552076241300748

RemoteHealthConnect: Innovating patient monitoring with wearable technology and custom visualization

2024· article· en· W4405248811 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueDigital Health · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Visualization and Analytics
Établissements canadiensUniversity of GuelphSheridan College
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWearable computerVisualizationComputer scienceHuman–computer interactionWearable technologyComputer graphics (images)EngineeringEmbedded systemArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Objective This paper introduces RemoteHealthConnect, a novel web-based healthcare system designed to enable healthcare professionals to monitor patients remotely with enhanced efficacy. Central to our system is its integration with the Vitaliti™ wearable, equipped with biosensors for real-time vital signs monitoring. RemoteHealthConnect distinguishes itself by offering advanced, custom visualizations for interactive engagement with medical data, facilitating rapid clinical decision-making through intuitive access to vital signs and trends. The primary research question we sought to answer was: ‘Which design of vital sign visualizations is most effective in improving intuitive and rapid understanding for healthcare practitioners?’ Methods An iterative agile/SCRUM methodology was employed in the design and development of RemoteHealthConnect. We describe the architectural design of our web-based application, data visualization techniques, and user interface design. A user interface/user experience (UI/UX) study was conducted to assess the efficacy of our system. Results The usability study revealed the system's capacity to translate complex bedside data into accessible, real-world visualizations, promoting efficient pattern recognition and anomaly detection. This is crucial for enhancing clinician performance, regardless of the patient's location. The paper further details a usability study involving healthcare practitioners to ascertain RemoteHealthConnect's efficacy. The System Usability Scale (SUS) assessment yielded a score of 71.5, indicating high usability. This score is significant, positioning our system above the average usability threshold for healthcare technologies, and suggesting it as a valuable tool for remote patient monitoring. Conclusion Our web-based healthcare system and findings from the usability study contribute to the domains of Mobile Health (mHealth) and e-Health by advancing remote monitoring capabilities and offering a promising avenue for healthcare IT to improve patient care and clinician workflow.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,909
Score d'incertitude au seuil0,590

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,314
Écart entre enseignants0,297 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle