MétaCan
Menu
Retour à la cohorte
Enregistrement W4410882167 · doi:10.2196/58703

The Effectiveness of the Be Prepared mHealth App on Recovery of Physical Functioning After Major Elective Surgery: Multicenter Randomized Controlled Trial

2025· article· en· W4410882167 sur OpenAlexvenueno aff
Miriam van der Velde, Marike van der Leeden, Edwin Geleijn, Cindy Veenhof, Karin Valkenet

Notice bibliographique

RevueJMIR mhealth and uhealth · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueEnhanced Recovery After Surgery
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésmHealthRandomized controlled trialMedicinePhysical therapySurgeryPsychological interventionNursing

Résumé

récupéré en direct d'OpenAlex

Background: Patients undergoing major surgery are at risk of complications and delayed recovery. Prehabilitation has shown promise in improving postoperative outcomes. Offering prehabilitation by means of mHealth can help overcome barriers to participating in prehabilitation and empower patients prior to major surgery. We developed the Be Prepared mHealth app, which has shown potential in an earlier pilot study. Objective: This study aims to evaluate the effectiveness of the Be Prepared app on postoperative recovery of physical functioning (PF) in patients undergoing major elective surgery. Methods: This study was a multicenter randomized controlled trial with 2 arms. Adults scheduled for major elective surgery were randomly assigned to the control (usual care) or intervention group (Be Prepared app in addition to usual care). The Be Prepared app is a smartphone app with pre- and postoperative information and instructions on changing risk behavior for patients undergoing major elective surgery. The primary outcome was recovery of postoperative PF up to 12 weeks after hospital discharge measured with the Computer Adaptive Test Patient-Reported Outcomes Measurement Information System-PF. Secondary outcomes included social participation, self-reported recovery, health-related quality of life, postoperative outcomes, and patient satisfaction. Measurements were performed at 5 time points: before random assignment and 1, 3, 6, and 12 weeks after hospital discharge. Results: A total of 369 patients were analyzed, 181 in the control group and 188 in the intervention group. The result of the linear mixed effects model showed a mean slope difference in recovery of PF over 12 weeks of 2.97 (95% CI 0.90-5.02) in favor of the intervention group. However, this effect was not clinically relevant and was negated by the significantly lower PF score 1 week after hospital discharge in the intervention group (mean difference -1.72, 95% CI -3.38 to -0.07). Most secondary outcome measures did not show significantly greater improvements in the intervention group compared to the control group. Patient satisfaction with overall perioperative care was significantly higher in the intervention group compared to the control group and satisfaction with the Be Prepared app was high. Conclusions: The use of the Be Prepared app as a stand-alone intervention does not seem beneficial for improving postoperative recovery in patients undergoing major surgery. However, satisfaction with perioperative care was higher in patients using the app. Given the advantages of digital technology in health care, it can be considered a basis for prehabilitation care pathways, complemented by guidance from health care professionals as needed.

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 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)0,007
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,653

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,014
Tête enseignante GPT0,328
Écart entre enseignants0,314 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetEnhanced Recovery After SurgeryTravaux en français237 207