MétaCan
Menu
Retour à la cohorte
Enregistrement W4410233062 · doi:10.1371/journal.pdig.0000860

Wearables research for continuous monitoring of patient outcomes: A scoping review

2025· review· en· W4410233062 sur OpenAlexaff
Kalee Lodewyk, Madeleine Wiebe, Liz Dennett, Jake Larsson, Andrew J. Greenshaw, Jake Hayward

Notice bibliographique

RevuePLOS Digital Health · 2025
Typereview
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCINAHLWearable computerMedicineWearable technologyMEDLINEScopusHealth careDiseaseComputer scienceNursingPsychological interventionPathologyEmbedded system

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The use of wearable devices for remote health monitoring is a rapidly expanding field. These devices might benefit patients and providers; however, they are not yet widely used in healthcare. This scoping review assesses the current state of the literature on wearable devices for remote health monitoring in non-hospital settings. METHODS: CINAHL, Scopus, Embase and MEDLINE were searched until August 5, 2024. We performed citation searching and searched Google Scholar. Studies on wearable devices in an outpatient setting with a clinically relevant, measurable outcome were included and were categorized according to intended use of data: monitoring of existing disease vs. diagnosis of new disease. RESULTS: Eighty studies met eligibility criteria. Most studies used device data to monitor a chronic disease (68/80, 85%), most often neurodegenerative (22/68, 32%). Twelve studies (12/80, 15%) used device data to diagnose new disease, majority being cardiovascular (9/12, 75%). A range of wearable devices were studied with watches and bracelets being most common (50/80, 63%). Only six studies (8%) were randomized controlled trials, four of which (67%) showed evidence of positive clinical impact. Feasibility determinants were inconsistently reported, including compliance (51/80, 64%), patient-reported useability (13/80, 16%), and participant technology literacy (1/80, 1%). CONCLUSIONS: Evidence for clinical effectiveness of wearable devices remains scant. Heterogeneity across studies in terms of devices, disease targets and monitoring protocols makes data synthesis challenging, especially given the rapid pace of technical innovation. These findings provide direction for future research and implementation of wearable devices in healthcare.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,040
score de la tête « metaresearch » (Gemma)0,166
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,214

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0400,166
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0070,008
Bibliométrie0,0260,026
Études des sciences et des technologies0,0010,002
Communication savante0,0070,006
Science ouverte0,0030,003
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,333
Tête enseignante GPT0,601
Écart entre enseignants0,268 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLOS Digital HealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207