Eine Mixed Methods Studie zu Akzeptanz und Mehrwert des mHealth Telemonitorings in Long COVID
Bibliographic record
Abstract
Einleitung Das mobile (m) Health Telemonitoring beinhaltet die Erhebung und Fernübertragung der Patienten-Vitalparameter mit Hilfe von digitalen Sensoren und, typischerweise, einer auf dem Patienten-Smartphone installierten speziellen mobilen Anwendung (App). Anders als bei akutem COVID-19, wo das Telemonitoring viele klare Vorteile anbietet, sind die Akzeptanz des mHealth Telemonitorings und dessen Mehrwert beim Long COVID weniger ersichtlich. Diese werden im Rahmen dieser Studie untersucht. Methoden Diese ist eine 12-wöchige Mixed Methods Studie. 54 PatientInnen (Durchschnittsalter: 52 [SA 11.4] J., 36 w. Patientinnen) mit überwiegend kardiopulmonalen Symptomen des Long COVID wurden nach pulmonaler Rehabilitation rekrutiert. Nach Erhebung der Anamnese wurden alle PatientInnen mit Bluetooth-Sensoren (Pulsoxymeter, Blutdruckmessgerät, Spirometer, Aktivitätstracker) und der mHealth App ausgestattet. Während des Telemonitorings wurden klinische Fragebögen (z.B. CAT-COPD) und Vitalparameter über die mHealth App erhoben und an das Telemonitoring-Teams übertragen. Am Ende der Studie werden die Akzeptanz und der Mehrwert des Telemonitorings quantitativ (Fragebogen zur Patientenzufriedenheit) und qualitativ (Interviews mit PatientInnen und niedergelassenen pneumologischen Fachpraxen) evaluiert. Ergebnisse Der Beginn der Studie ging mit diversen technischen Problemen (z.B. Abstürze der App nach Updates der Operationssysteme der Smartphones, unzureichende Internetverbindung, mangelnde Sensoren-Funktionalität) einher. Diese Probleme wurden vom Telemonitoring-Team behoben, führten jedoch zum Studienabbruch bei 5 PatientInnen (9,3%). Die meisten PatientInnen konnten die Messungen in den Alltag einbinden und äußerten eine durchaus positive Rückmeldung zum Telemonitoring, ebenso wie eine hohe Bereitschaft, dieses über 12 Wochen hinaus fortzuführen. Schlussfolgerungen Das mHealth Telemonitoring erfordert regelmäßige und intensive Interventionen seitens des Telemonitoring-Teams. Das Telemonitoring wird im allgemeinen von den Long COVID PatientInnen positiv bewertet. Eine präzisere Evaluierung der Akzeptanz des Telemonitorings und der Wahrnehmung dessen Mehrwerts wird durch die Mixed Methods Untersuchung erzielt. Förderung BMBF 01KX2021. Publication History Article published online: 11 May 2022 © 2022. Thieme. All rights reserved. Georg Thieme Verlag Rüdigerstraße 14, 70469 Stuttgart, Germany
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.084 | 0.125 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.004 | 0.009 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".