XiaoMi-AI文件搜索系统
World File Search SystemMHealth
针对2型糖尿病的中国美国人的家庭导向的MHealth干预措施的可行性：试点随机对照试验
1 美国纽约州纽约州纽约州健康中心，纽约州，纽约州，美国，美国2号，纽约州纽约州纽约州医学院2号人口卫生部爱因斯坦医学院，纽约，纽约，纽约州，美国，美国，纽约州格罗斯曼医学院5号医学院，纽约大学朗格尼健康医学院，纽约州纽约州，纽约，纽约州，美国，美国，纽约州6雅各比医学中心6，美国，美国纽约州纽约州，美国纽约州，美国纽约州，美国纽约市，美国，美国，纽约州，美国纽约州，美国8号，纽约州，美国纽约州8尼约克大学，纽约州8岁，纽约州。美国纽约州纽约州纽约州健康中心，纽约州，纽约州，美国，美国2号，纽约州纽约州纽约州医学院2号人口卫生部爱因斯坦医学院，纽约，纽约，纽约州，美国，美国，纽约州格罗斯曼医学院5号医学院，纽约大学朗格尼健康医学院，纽约州纽约州，纽约，纽约州，美国，美国，纽约州6雅各比医学中心6，美国，美国纽约州纽约州，美国纽约州，美国纽约州，美国纽约市，美国，美国，纽约州，美国纽约州，美国8号，纽约州，美国纽约州8尼约克大学，纽约州8岁，纽约州。美国纽约州纽约州纽约州健康中心，纽约州，纽约州，美国，美国2号，纽约州纽约州纽约州医学院2号人口卫生部爱因斯坦医学院，纽约，纽约，纽约州，美国，美国，纽约州格罗斯曼医学院5号医学院，纽约大学朗格尼健康医学院，纽约州纽约州，纽约，纽约州，美国，美国，纽约州6雅各比医学中心6，美国，美国纽约州纽约州，美国纽约州，美国纽约州，美国纽约市，美国，美国，纽约州，美国纽约州，美国8号，纽约州，美国纽约州8尼约克大学，纽约州8岁，纽约州。美国纽约州纽约州纽约州健康中心，纽约州，纽约州，美国，美国2号，纽约州纽约州纽约州医学院2号人口卫生部爱因斯坦医学院，纽约，纽约，纽约州，美国，美国，纽约州格罗斯曼医学院5号医学院，纽约大学朗格尼健康医学院，纽约州纽约州，纽约，纽约州，美国，美国，纽约州6雅各比医学中心6，美国，美国纽约州纽约州，美国纽约州，美国纽约州，美国纽约市，美国，美国，纽约州，美国纽约州，美国8号，纽约州，美国纽约州8尼约克大学，纽约州8岁，纽约州。美国纽约州纽约州纽约州健康中心，纽约州，纽约州，美国，美国2号，纽约州纽约州纽约州医学院2号人口卫生部爱因斯坦医学院，纽约，纽约，纽约州，美国，美国，纽约州格罗斯曼医学院5号医学院，纽约大学朗格尼健康医学院，纽约州纽约州，纽约，纽约州，美国，美国，纽约州6雅各比医学中心6，美国，美国纽约州纽约州，美国纽约州，美国纽约州，美国纽约市，美国，美国，纽约州，美国纽约州，美国8号，纽约州，美国纽约州8尼约克大学，纽约州8岁，纽约州。美国纽约州纽约州纽约州健康中心，纽约州，纽约州，美国，美国2号，纽约州纽约州纽约州医学院2号人口卫生部爱因斯坦医学院，纽约，纽约，纽约州，美国，美国，纽约州格罗斯曼医学院5号医学院，纽约大学朗格尼健康医学院，纽约州纽约州，纽约，纽约州，美国，美国，纽约州6雅各比医学中心6，美国，美国纽约州纽约州，美国纽约州，美国纽约州，美国纽约市，美国，美国，纽约州，美国纽约州，美国8号，纽约州，美国纽约州8尼约克大学，纽约州8岁，纽约州。美国纽约州纽约州纽约州健康中心，纽约州，纽约州，美国，美国2号，纽约州纽约州纽约州医学院2号人口卫生部爱因斯坦医学院，纽约，纽约，纽约州，美国，美国，纽约州格罗斯曼医学院5号医学院，纽约大学朗格尼健康医学院，纽约州纽约州，纽约，纽约州，美国，美国，纽约州6雅各比医学中心6，美国，美国纽约州纽约州，美国纽约州，美国纽约州，美国纽约市，美国，美国，纽约州，美国纽约州，美国8号，纽约州，美国纽约州8尼约克大学，纽约州8岁，纽约州。美国纽约州纽约州纽约州健康中心，纽约州，纽约州，美国，美国2号，纽约州纽约州纽约州医学院2号人口卫生部爱因斯坦医学院，纽约，纽约，纽约州，美国，美国，纽约州格罗斯曼医学院5号医学院，纽约大学朗格尼健康医学院，纽约州纽约州，纽约，纽约州，美国，美国，纽约州6雅各比医学中心6，美国，美国纽约州纽约州，美国纽约州，美国纽约州，美国纽约市，美国，美国，纽约州，美国纽约州，美国8号，纽约州，美国纽约州8尼约克大学，纽约州8岁，纽约州。美国纽约州纽约州纽约州健康中心，纽约州，纽约州，美国，美国2号，纽约州纽约州纽约州医学院2号人口卫生部爱因斯坦医学院，纽约，纽约，纽约州，美国，美国，纽约州格罗斯曼医学院5号医学院，纽约大学朗格尼健康医学院，纽约州纽约州，纽约，纽约州，美国，美国，纽约州6雅各比医学中心6，美国，美国纽约州纽约州，美国纽约州，美国纽约州，美国纽约市，美国，美国，纽约州，美国纽约州，美国8号，纽约州，美国纽约州8尼约克大学，纽约州8岁，纽约州。美国纽约州纽约州纽约州健康中心，纽约州，纽约州，美国，美国2号，纽约州纽约州纽约州医学院2号人口卫生部爱因斯坦医学院，纽约，纽约，纽约州，美国，美国，纽约州格罗斯曼医学院5号医学院，纽约大学朗格尼健康医学院，纽约州纽约州，纽约，纽约州，美国，美国，纽约州6雅各比医学中心6，美国，美国纽约州纽约州，美国纽约州，美国纽约州，美国纽约市，美国，美国，纽约州，美国纽约州，美国8号，纽约州，美国纽约州8尼约克大学，纽约州8岁，纽约州。美国纽约州纽约州纽约州健康中心，纽约州，纽约州，美国，美国2号，纽约州纽约州纽约州医学院2号人口卫生部爱因斯坦医学院，纽约，纽约，纽约州，美国，美国，纽约州格罗斯曼医学院5号医学院，纽约大学朗格尼健康医学院，纽约州纽约州，纽约，纽约州，美国，美国，纽约州6雅各比医学中心6，美国，美国纽约州纽约州，美国纽约州，美国纽约州，美国纽约市，美国，美国，纽约州，美国纽约州，美国8号，纽约州，美国纽约州8尼约克大学，纽约州8岁，纽约州。
捆绑药物对阿片类药物使用障碍的影响与MHealth干预有关成瘾：一项随机临床试验
禁欲是通过戒断症状严重程度（优势比= 0.95，95％CI = 0.91–1.00）和MOUD类型（优势比= 0.57，95％CI = 0.34-0.97）来节制。在出现戒断症状的参与者中，MOUD + A-CESS组中的节制率较高，远高于单位臂中的那些（优势比= 1.30，95％CI = 1.01–1.67）。在服用美沙酮的参与者中，MOUD + A-cess臂中的随着时间的流逝而拒绝（b = 0.28，SE = 0.09），尽管两组彼此之间没有显着差异（∆ B = 0.22，SE = 0.11），尽管两组没有显着差异。 MOUD + A-CHESS也与更大的会议出勤率有关（优势比= 1.25，95％CI = 1.05–1.49），急诊室和急诊室使用（赔率= 0.88，95％CI = 0.78-0.99）。随着时间的流逝而拒绝（b = 0.28，SE = 0.09），尽管两组彼此之间没有显着差异（∆ B = 0.22，SE = 0.11），尽管两组没有显着差异。MOUD + A-CHESS也与更大的会议出勤率有关（优势比= 1.25，95％CI = 1.05–1.49），急诊室和急诊室使用（赔率= 0.88，95％CI = 0.78-0.99）。
心脏病患者中MHealth心脏健康促进的需求和需求：以患者为中心的设计方法
通过基于网络的调查进行了横断面研究。数据分析中包括了三百四个患有冠状动脉疾病（CADS）和/或充血性心力衰竭（CHF）的人。描述性统计数据用于评估有关MHealth干预措施的需求和需求。进行了K -Medoids群集分析。患有CAD和CHF的人赞成一种MHealth干预措施，该干预措施永久支持其用户，并且很容易融入日常生活中。手持设备和内容格式涉及积极的用户参与和定期更新。根据他们的心理测量道具观察到了三个集群并标记为高，中度和低负担。高负担集群表明使用MHealth干预措施比其他集群更高的行为意图。
研究文章社区卫生工作者的障碍和促进者使用新颖的MHealth工具进行励志访谈以提高对
1研究与创新功能，可能，尼泊尔加德满都，2悉尼卫生科学学院，医学与卫生学院，澳大利亚新南威尔士大学悉尼大学医学与卫生学院，澳大利亚新南威尔士大学，3菲尔德公共卫生学院，加利福尼亚大学，洛杉矶大学，洛杉矶大学，洛杉矶，洛杉矶，加利福尼亚州洛杉矶，美国加利福尼亚州，美国4号医学院，加利福尼亚州科学士，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学，科学。美国国家，特里布鲁万大学，加德满都5心理学系，尼泊尔，北部6号心理学系，美国马萨诸塞州诺顿学院，美国，美国7可能，纽约，纽约，纽约州，美国纽约州8号，精神病学和行为科学系，加利福尼亚大学，加利福尼亚大学，加利福尼亚州，旧金山，美国，美国，美国，美国，美国，美国。
使用手机在低收入和中等收入国家中使用手机管理1型糖尿病（T1D）的局限性：对MHealth的影响
在全球范围内，青年中1型糖尿病（T1D）的患病率正在增加。手机，尤其是MHealth应用程序，可能会改善青年对这种慢性病的管理。但是，这些服务的设计很少对低收入和中等收入国家（LMIC）的用户说明。在本文中，我们研究了影响手机在肯尼亚农村和城市中使用手机来管理T1D的因素。我们的分析借鉴了与T1D青年（11至18岁之间），他们的照顾者以及其他重要的利益相关者（包括医生和学校老师）进行的58次访谈。我们的发现引起了人们对MHealth应用程序优先级的手机功能与参与者使用惯例的重大不匹配的关注。我们讨论了这些发现对MHealth设计和用户研究的实际含义。
引用：Aguilera A，Figueroa CA，Hernandez-Ramos R等。使用机器学习的MHealth应用程序可以增加糖尿病的体育活动和DEPRE
抽象引入抑郁症和糖尿病是高度致残的疾病，患病率很高，合并症率很高，尤其是在低收入少数民族患者中。尽管合并症增加了不良结果和死亡率的风险，但大多数临床干预措施分别针对这些疾病。增加体育活动可能有效地降低抑郁症状并改善血糖控制。自我管理应用程序是一种具有成本效益，可扩展且易于访问的治疗，以增加体育锻炼。但是，尖端的技术应用通常不会达到脆弱的人群，也不是针对个人的行为和特征量身定制的。使用机器学习方法对干预措施进行剪裁可能会提高干预措施的有效性。在三臂随机对照试验中的方法和分析，我们将研究文本消息智能手机应用程序的效果，以鼓励低收入少数民族糖尿病和抑郁症的低收入少数民族患者的体育活动。自适应干预组通过增强学习算法从不同的消息银行中选择的消息。统一的随机干预组接收相同的消息，但从概率同样概率的消息银行中选择。对照组收到每周的情绪信息。我们的目标是从18-75岁的初级保健诊所招募276名成年人，他们被诊断出患有当前糖尿病并显示出较高的抑郁症状（患者健康调查表抑郁量表-8（PHQ-8）> 5）。试用注册号NCT03490253;预兆。我们将比较被动收集的每日阶跃计数，自我报告PHQ-8和最新的血红蛋白A1C从基线时的医疗记录以及在6个月的随访中完成干预完成时。道德和传播加利福尼亚大学旧金山大学的机构审查委员会批准了这项研究（IRB：17-22608）。我们计划提交描述我们的用户设计方法和对自适应学习算法的测试的手稿，并将在（Inter） - 国际科学会议上提交试验结果以在同行评审的期刊和演示中出版。
采用以人为本的设计流程实现移动健康应用的可持续发展
大量科学证据表明，移动医疗 (mHealth) 应用可以改善生活质量、缓解症状并恢复患者健康。除了改善患者的健康结果外，移动医疗应用还可以减少医疗保健的使用和与疾病管理相关的成本负担。目前，患者和医疗保健提供者在市售的移动医疗应用中有多种选择。然而，由于移动医疗应用的资源成本高且用户采用率低，成本效益关系仍然存在争议。与传统的专家驱动方法相比，应用以人为本的设计 (HCD) 可能会产生更实用、更可接受和更有效的移动医疗应用。在本文中，我们总结了移动医疗发展研究中当前的 HCD 实践，并提出了提高移动医疗可持续性的建议。这些建议包括考虑与文化规范有关的因素、对 HCD 实践的迭代评估、在移动医疗应用中使用新颖性以及在整个 HCD 过程中考虑隐私和可靠性。此外，我们建议从社会技术角度看待 HCD 实践，以促进移动医疗应用的可持续性。未来的研究应考虑标准化 HCD 实践，以帮助移动医疗研究人员和开发人员避免与不充分的 HCD 实践相关的障碍。
马来西亚糖尿病患者对糖尿病自我管理的移动健康应用支持的观点和需求：定性研究
背景：糖尿病的有效自我管理对于通过维持葡萄糖水平并防止病情加剧来改善临床结果至关重要。移动健康（MHealth）在增强自我管理实践方面表现出了重要意义。但是，只有20％的马来西亚人熟悉MHealth技术，并将其用于健康管理。目的：本研究旨在探索糖尿病患者使用MHealth应用程序自我管理糖尿病的感知的收益和挑战，需求和偏好以及意愿。方法：该研究涉及一对一的半结构化在线访谈，共有15名参与者，所有人年龄在18岁以上，并被诊断出患有糖尿病超过6个月。根据技术接受模型（TAM），健康信息技术接受模型（HITAM）和源自移动应用程序评级量表得出的美学因素的构建方式制定了访谈指南。所有访谈均以音频格式记录并逐字记录。然后使用Atlas.ti版本8.主题分析是根据建议分析数据的建议指南进行的。结果：从与参与者的访谈中，出现了3个关键主题，这些主题是关于在糖尿病自我管理中使用MHealth应用支持的感知好处。这些主题是跟踪和监测糖尿病控制的能力，进行生活方式修改的帮助以及为医疗保健专业人员提供更明智的治疗决策的能力。与参与者的访谈揭示了有关使用MHealth应用程序支持进行糖尿病自我管理的感知障碍的4个突出主题。这些主题缺乏对MHealth支持的可用性的认识，使用MHealth应用程序的支持不足，对当前MHealth应用程序与用户的特定需求不符的看法以及用户之间的数字识字有限。与参与者的访谈揭示了与他们的需求以及有关MHealth应用程序支持糖尿病自我管理的4个关键主题。这些主题是对教育信息，用户友好的设计功能，碳水化合物计数功能以及与同伴和医疗保健专业人员社交的能力的渴望。大多数参与者表示，如果他们收到了医疗保健专业人员的建议和指导，他们愿意使用MHealth应用程序。结论：患者通常认为MHealth应用程序支持是对糖尿病自我管理有益的，并且愿意使用这些应用程序，尤其是在医疗保健专业人员建议的情况下。但是，几个障碍可能会阻碍MHealth应用程序的利用，包括缺乏对医疗保健专业人员的这些应用的认识和建议。为了确保MHealth App支持系统的有效开发用于糖尿病自我管理，至关重要的是要实施以用户为中心的设计过程来考虑患者的特定需求和偏好。这种方法将有助于创建根据管理糖尿病的个人要求量身定制的应用程序。
o r i g i n a l r e s a r c h愿意在East
背景：糖尿病的管理需要长期护理策略，包括支持遵守健康的生活方式和治疗。探索糖尿病患者接受MHealth服务的意愿对于设计高效和有效的服务至关重要。本研究旨在确定接受MHealth服务和相关因素的意愿，并探索在糖尿病患者中接受MHealth服务的障碍。方法：从9月1日至2022年11月30日进行了多中心混合方法研究。对于定量部分，在三家公立医院接受了长期随访的糖尿病患者，共有365例糖尿病患者。使用访调员管理的结构化问卷收集数据，输入了EPI-DATA版本4.6，并使用Stata版本17进行了分析。计算了二进制和多变量逻辑回归模型，以识别相关因素。进行了定性，八名主要线人和七次深入访谈。逐字转录和翻译后，使用Atlas.ti V. 7.5主题分析了数据。结果：总体而言，有77.3％的人可以使用手机，其中74.5％的人愿意接受MHealth服务。在定性部分，基础设施，卫生设施，社会经济因素和患者的行为因素是接受MHealth服务的主要障碍。结论：在这项研究中，愿意为那些可以使用手机访问的人提供MHealth服务。此外，该研究强调了接受MHealth服务的常见障碍。据报道，在35岁以下的患者中，接受接受MHealth服务的意愿更高[AOR = 4.11（1.15–14.71）]，参加了正规教育[AOR = 2.63（1.19-5.77）]，没有合并症[AOR = 3.6（1.54-8.41]，<1小时的aor = 3.6（1.54-8.41），<1小时旅行， （1.03–12.36）]，回答未知的电话[AOR = 2.3（1.04–5.13）]，对医疗保健提供者服务感到满意[AOR = 2.44（1.04-5.72）]。关键字：意愿，MHealth，手机，糖尿病，混合方法，东部埃塞俄比亚
人工智能和数据科学在移动医疗应用评估中检测可用性影响的应用
移动医疗 (mHealth) 应用程序已显示出通过直观平台促进预防保健和疾病管理的巨大潜力。然而，实现变革性健康目标依赖于创建针对不同用户优化的可访问工具。本研究分析了来自在线存储库的 mHealth 应用程序可用性数据，以揭示可用性 (易用性) 对评估移动医疗应用程序的影响。通过利用统计显着性检验、平台、集成和各种应用程序功能彻底检查界面，可以发现可用性和用户体验之间的复杂关系。这项研究表明，应用随机森林模型可以准确地对 mHealth 应用程序的易用性进行分类。这项研究揭示了设计选择与其效果之间的联系，指导有意识的改进以扩大 mHealth 的覆盖范围。它通过提供人们与 mHealth 应用程序交互的微妙方式的见解来实现这一点。这些方法和发现为热衷于推进数字医疗的开发人员和从业者提供了可行的见解。