Technology‐bAsed cardiac rehabilitation therapy (TaCT) for women: Intervention implementability, usability, engagement and acceptability in a middle‐income setting
Notice bibliographique
Résumé
BACKGROUND: Despite the benefits of cardiac rehabilitation (CR), women are under-represented, especially in lower-income settings. Technology may be leveraged to tailor CR to better engage women, but this has never been tested in a middle-income country. This study assessed the implementability, usability, engagement, and acceptability of Technology-bAsed Cardiac rehabilitation Therapy (TaCT) in women with cardiovascular disease (CVD) in a middle-income country. MATERIALS AND METHODS: Data from intervention arm participants in a randomized trial was analyzed. The trial was undertaken in the outpatient cardiology department of a private tertiary care center in India. The 6-month CR intervention was delivered via an app (individualized secondary prevention recommendations), website (patient education), WhatsApp (standardized behavior change promotion messages, yoga/relaxation video, support chat), and bi-weekly one-on-one phone calls with a nurse trainee (risk factor management). At the end of the intervention, participants' engagement, usability (System Usability Scale), and, acceptability (/5) of the program were evaluated using descriptive statistics. RESULTS: 50 women were randomized to intervention; one died and 49 (100%) were retained. Some participants faced challenges such as internet availability issues and technical glitches. There were no adverse events. Engagement was high for calls (mean = 11.6 ± 1.4/12), WhatsApp messages (mean = 34.2 ± 4.6/36 read) the website (74-151 hits/education page), and the mobile app (7.2 ± 4.2 times/patient); there were no group chat messages. Usability was rated as "excellent" (94.7 ± 5.2/100). Acceptability with the overall intervention was high (means ≥4.5/5), but was lower for information understandability, including diet and exercise recommendations. CONCLUSIONS: Favorable implementability and acceptability, as well as excellent usability and engagement with TaCT were established. Along with favorable outcome results, this suggests that TaCT may serve as a valuable intervention to improve women's access and adherence to CR in resource-constrained environments.
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 | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».