Effect of a digital health intervention on outpatients with heart failure: a randomized, controlled trial
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
Abstract Aims Heart failure (HF) is associated with high mortality and reduced quality of life (QoL). Interventions encouraging a healthy lifestyle and self-care can reduce morbidity and HF-related hospitalizations. We conducted a randomized controlled trial (RCT) to assess the impact of a digital health programme on QoL and clinical outcomes of patients. The programme included remote patient monitoring (RPM), self-care, HF education, and empowered positive lifestyle changes. Methods and results Patients (n = 175) received standard-of-care (SoC) at a HF outpatient clinic (control, n = 89) or SoC plus a digital health programme (intervention, n = 86) for 6 months, followed by a 6-month maintenance period. Compliance with RPM was 93% at 6 months. No significant between-group difference was found in the primary endpoint (health-related QoL), except in an exploratory subgroup of New York Heart Association class III patients, where the intervention group had a significantly smaller QoL decline (P = 0.023). For secondary endpoints, the intervention group had significantly greater improvements in self-care at 6 months (P < 0.001) and 12 months (P = 0.003), and in disease-specific knowledge at 12 months (P = 0.001). Several exploratory endpoints favoured the intervention, with significant improvements in triglycerides (P = 0.012), HbA1c (P = 0.014), and fasting glucose (P = 0.010). The TG/HDL cholesterol ratio and TG/glucose index improved significantly at both 6 and 12 months in between-group comparisons. Conclusion Although the digital programme did not improve health-related QoL, it led to benefits in other important outcomes such as self-care, disease-specific knowledge, and several key metabolic parameters.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 découle