mHealth Support in Cardiac Care Pathways for Patient Self-Management During Transitions From Hospital to Rehabilitation: Exploratory Field Study
Notice bibliographique
Résumé
Background: Cardiac rehabilitation (CR) is essential for recovery from cardiovascular disease. However, patients often encounter challenges in navigating the transition from acute hospital care to CR. Mobile health (mHealth) technologies may support this critical phase; however, evidence regarding their clinical practice remains limited. The HERO app (developed by REDOX GmbH) was developed to address the needs of patients with cardiovascular disease for orientation, emotional support, and motivation during this transition. Objective: This study aims (1) to explore how mHealth technologies tailored for patients with cardiovascular disease can support their needs regarding orientation, emotional balance, and motivation during the transition from the acute hospital to CR and (2) to evaluate the user experience and acceptance of the HERO app as targeted pathway support. Methods: A mixed methods study was conducted with patients with cardiovascular disease using study diaries, questionnaires, and semistructured interviews. Participants were purposively recruited in acute hospitals and rehabilitation settings. Quantitative data were analyzed descriptively, and qualitative data were analyzed using content analysis after Mayring. Results: Eight participants used the app for an average of 14 (range 4-23) days. The app was perceived as a helpful short-term resource. It supported patients in understanding their condition, planning for CR, and regaining motivation. Participants highlighted the value of combining objective information with peer experiences. Suggestions for improvement included more personalized self-management guidance and a precise onboarding process to increase accessibility and usability. Conclusions: Based on the findings, we propose 4 pillars of mHealth support for cardiac care transitions, including timely access, actionable guidance, peer support, and short-term usability. These pillars could inform the design of patient-centered mHealth tools for care transitions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».