Wearables research for continuous monitoring of patient outcomes: A scoping review
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.
Notice bibliographique
Résumé
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.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 découle