Text messaging to improve connection between adolescents and their health care providers
Notice bibliographique
Résumé
Objective Adolescence marks a time of transition where teenagers are learning to advocate for themselves. In those with underlying chronic conditions such as adolescent dysautonomia, improving communication between clinic visits may improve connection with their health care provider which may aide management. Our aims were as follows: (1) to implement a text message platform to increase communication between adolescent patients and health care provider (HCP); (2) to evaluate its effect on quality of life (QoL), symptom burden, and patient engagement; and (3) to determine patient satisfaction with the platform. Methods Participants (age 12–18) with access to a personal mobile phone were recruited from a pediatric dysautonomia clinic. A weekly automated text message asking “How are you?” was sent to participants (WelTel Inc.). Responses were triaged to HCP and responded to within 48 hours. Results Twenty-six participants with median (interquartile range) age of 16.8 (15.7–17.4) years completed the study. Duration of the text messaging intervention was 33 (26.8–37.3) weeks. A total of 896 automated weekly messages were sent, which resulted in 206 (23%) care conversations. Participants found texting useful (96%) and produced feelings of connection to their HCP (92%). There was no change in overall QoL or symptom burden ( p > 0.05). Conclusion A text message platform was successfully implemented in adolescents seen in our Dysautonomia Clinic. Patients were engaged, satisfied with the platform, and felt connected to their HCP despite no changes in QoL or symptom burden.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».