Feasibility of a Mobile-Based Home Monitoring System for Patients with Heart Failure: A Pilot Study of the FineHeart Application (Preprint)
Notice bibliographique
Résumé
Background: The risk of rehospitalization in patients with heart failure (HF) has initiated various efforts to prevent and simultaneously improve quality of life. Self-monitoring at home is one option, and technology is increasingly being used for this purpose. Objective: This pilot study aimed to evaluate the feasibility and preliminary effects of a digital home monitoring intervention on patient-reported outcomes and 30-day readmissions among patients with HF in Indonesia. Methods: A mixed methods pilot study was conducted, combining qualitative system development and quantitative evaluation. Patients were assigned to an intervention group (digital monitoring) or control group (standard care). Readmission rates were compared using chi-square tests and odds ratios. Changes in Kansas City Cardiomyopathy Questionnaire scores were analyzed using linear mixed-effects models. Results: A total of 60 patients were included (n=30, 50% in the intervention group; n=30, 50% in the control group). Readmission occurred in 20% (6/30) of patients in the intervention group and 43.3% (13/30) of patients in the control group (odds ratio 0.33, 95% CI 0.10-1.09; P=.10). Linear mixed-effects analysis showed greater improvement in Kansas City Cardiomyopathy Questionnaire overall summary score in the intervention group (P=.02). Improvements were observed in the physical limitation, symptom frequency, symptom burden, quality of life, and social limitation domains. During follow-up, 3.3% (1/30) of the patients in the intervention group died of non-HF-related causes, and 10% (3/30) of the patients in the control group died due to HF. Conclusions: This pilot study suggests that digital home monitoring is feasible and associated with improvements in patient-reported outcomes, with a potential signal toward reduced readmission. Larger studies are needed to confirm effectiveness.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».