MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413561756 · doi:10.2196/64884

Smartphone App–Guided Pulmonary Rehabilitation in Chronic Respiratory Diseases: Randomized Controlled Trial

2025· article· en· W4413561756 sur OpenAlexvenueno aff
Chiwook Chung, Deog Kyeom Kim, Jung‐Kyu Lee, Eun Young Heo, Hee Kwon, Dongbum Kim, Woo Jin Kim, Sei Won Lee

Notice bibliographique

RevueJMIR mhealth and uhealth · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Obstructive Pulmonary Disease (COPD) Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Research Foundation of KoreaMinistry of Science and ICT, South KoreaKorea Health Industry Development InstituteNational Research Foundation
Mots-clésMedicinePulmonary rehabilitationPhysical therapyRandomized controlled trialQuality of life (healthcare)RehabilitationAsthmaCOPDVital capacityInternal medicineLung

Résumé

récupéré en direct d'OpenAlex

Background: Pulmonary rehabilitation improves exercise capacity, dyspnea, quality of life, and survival in patients with chronic respiratory disease. However, center-based pulmonary rehabilitation programs remain unavailable in many health care facilities due to several barriers. To address this, we developed a smartphone app that enabled individuals to perform pulmonary rehabilitation at home. Objective: We aimed to evaluate the efficacy of smartphone app-guided pulmonary rehabilitation in improving exercise capacity in individuals with chronic respiratory diseases. Methods: This was a multicenter prospective, single-blind, randomized controlled trial conducted in 2022. A total of 100 participants with chronic respiratory disease, including chronic obstructive pulmonary disease, asthma, and lung cancer, were recruited, with equal distribution (50:50) between the intervention group and the control group. The intervention group followed a 12-week app-guided rehabilitation program, while the control group received standard outpatient treatment. The primary outcome was the 6-minute walk test distance (6MWD) after the 12-week rehabilitation period. Secondary outcomes included quality of life questionnaires and health care usage. Results: Among the 100 participants included, 88 completed the follow-up visit (41 in the intervention group and 47 in the control group). Their median age was 68.0 years, and 72 (81.8%) were men. Most participants (n=70, 79.5%) had a smoking history, with a median of 40.0 pack-years. Their forced expiratory volume in 1 second was a median of 63.0% (IQR 50.5-71.5). Most participants (n=85, 96.6%) had chronic obstructive pulmonary disease. After the 12-week rehabilitation program, 6MWD was not different between the intervention and control group (median 490.0, IQR 468.8-556.3 vs 485.0, IQR 440.0-527.3 m). Assuming a clinically minimal effective change of 25 meters in 6MWD, only 7 out of 41 participants among the intervention group achieved the minimal clinically important differences after the rehabilitation program. Quality of life questionnaire scores, including the St George's Respiratory Questionnaire and Hospital Anxiety and Depression Scale, did not differ between groups. In addition, none of the participants experienced hospitalization or emergency room visits during the study period. Regarding the service satisfaction questionnaire, more than 3-quarters of the intervention group (34/41) rated their scores as ≥17/20. Conclusions: In this study, smartphone app-guided pulmonary rehabilitation failed to improve exercise capacity and quality of life in patients with chronic respiratory diseases. However, the results indicated that older adults with chronic respiratory conditions can safely use smartphone app-guided pulmonary rehabilitation. Thus, smartphone app-guided pulmonary rehabilitation may be a feasible option for older adults with chronic respiratory disease.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,025
Tête enseignante GPT0,386
Écart entre enseignants0,361 · 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'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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealth→Même sujetChronic Obstructive Pulmonary Disease (COPD) Research→Travaux en français237 207→