Predictors of adherence to electronic self-monitoring in patients with bipolar disorder: a contactless study using Growth Mixture Models
Notice bibliographique
Résumé
Abstract Background Several studies have reported on the feasibility of electronic (e-)monitoring using computers or smartphones in patients with mental disorders, including bipolar disorder (BD). While studies on e-monitoring have examined the role of demographic factors, such as age, gender, or socioeconomic status and use of health apps, to our knowledge, no study has examined clinical characteristics that might impact adherence with e-monitoring in patients with BD. We analyzed adherence to e-monitoring in patients with BD who participated in an ongoing e-monitoring study and evaluated whether demographic and clinical factors would predict adherence. Methods Eighty-seven participants with BD in different phases of the illness were included. Patterns of adherence for wearable use, daily and weekly self-rating scales over 15 months were analyzed to identify adherence trajectories using growth mixture models (GMM). Multinomial logistic regression models were fitted to compute the effects of predictors on GMM classes. Results Overall adherence rates were 79.5% for the wearable; 78.5% for weekly self-ratings; and 74.6% for daily self-ratings. GMM identified three latent class subgroups: participants with (i) perfect; (ii) good; and (iii) poor adherence. On average, 34.4% of participants showed “perfect” adherence; 37.1% showed “good” adherence; and 28.2% showed poor adherence to all three measures. Women, participants with a history of suicide attempt, and those with a history of inpatient admission were more likely to belong to the group with perfect adherence. Conclusions Participants with higher illness burden (e.g., history of admission to hospital, history of suicide attempts) have higher adherence rates to e-monitoring. They might see e-monitoring as a tool for better documenting symptom change and better managing their illness, thus motivating their engagement.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,001 | 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 ».