XiaoMi-AI文件搜索系统
World File Search SystemmHealth
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。
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。
社论：使用MHealth策略预防和治疗心血管疾病的未来趋势和方向
，鉴于它们是全球死亡的主要原因（1），预防和治疗心血管疾病至关重要。与其他受社会人口统计学，族裔和地缘政治因素影响不成比例的疾病不同，心血管疾病占据了发展和发达国家的性别和种族/种族群体的主要原因（1）。，例如，在美国，心血管疾病占所有死亡的20％（2-4），每年造成约2399亿美元（4，5）。可悲的是，一个人每33 s屈服于心血管疾病（2，4）。在中国，心血管疾病每年造成近400万人死亡（6），并因医疗保健支出和生产力损失增加而对社会造成了重大的经济负担（7，8）。因此，预防和治疗心血管疾病的创新在全球范围内具有巨大的意义。移动健康（通常称为MHealth）是指与软件应用程序一起提供健康服务和管理患者信息的便携式电子设备（8-11）。研究表明，MHealth在预防心血管疾病和支持心血管康复方面的潜力（8、12-16）。通过提供个性化和实时的动机和护理，MHealth可以满足患有心血管疾病或患有这种情况的人们的高风险的需求。我们总共收到了七个手稿，并接受了其中的四个，这些手稿共同提供了有关当前MHealth限制和未来方向的宝贵见解。我们提出的研究主题，标题为“使用MHealth策略预防和治疗心血管疾病的未来趋势和方向”旨在捕获实际临床和社区环境中预防和治疗的MHealth策略的当前状态。首先，尽管已经建立了利用MHealth来促进心血管健康的有效性，但稀缺的研究重点是开发指标来评估对MHealth干预措施的参与以及其可行性，可接受性和可用性。来自德国的一篇论文发现，现有研究经常采用自我规定
个性化移动医疗产品 DiabeText 的开发与评估
2 型糖尿病 (T2DM) 是一种常见的长期疾病，影响西班牙约 500 万人 (1)，调整后的发病率为 11.6 例/1000 人年 (IC95% = 11.1– 12.1) (2)。2 型糖尿病患者发生严重并发症（例如失明、下肢截肢、肾脏疾病、心血管疾病）的风险很高，这会降低他们的生活质量和预期寿命。2 型糖尿病及其并发症给西班牙国家医疗系统 (NHS) 带来巨额支出：每年，这些费用包括 51 亿欧元的直接成本（占 NHS 总支出的 8%）和 15 亿欧元的糖尿病相关并发症 (3)。2 型糖尿病并发症不仅影响个人的健康状况，还影响他们在生产生活中的工作能力：西班牙因糖尿病造成的劳动生产率损失约为 28 亿欧元 (3)。除了改变生活方式外，还使用药物来降低血糖、血压和血脂，以预防这些并发症。然而，在西班牙，口服抗糖尿病药物的依从性令人担忧地低，不依从率在 45% 至 52% 之间 (4-8)。
使用MHealth在心力衰竭中的自我管理
目的：描述由多学科专业团队和心力衰竭患者设计的Micardiapp的开发 - Micardiapp，并评估其内容有效性。方法：对文献的批判性评论，与患者的半结构化访谈以及用户故事指导了移动应用程序内容的开发。这些内容通过修改后的Delphi过程进行了完善和验证。医疗保健和社会护理专业人员的专家小组与患者和学者一起通过两个内容有效性指标，相关性和充分性评估了内容，并提供了叙事反馈。通过计算内容有效性指数（CVI）来确定应用程序和每个屏幕的内容有效性。同样，分析了足够指数（AI）。结果：开发的应用程序由8个主题组成：（1）可用资源，（2）心脏康复，（3）控制体征和症状的控制，（4）情绪支持，（5）学习和娱乐，（6）药物，（7）营养和（8）体育活动。结果证明了屏幕和完整应用的高CVI。57个应用程序中的57个屏幕在相关性和充分性方面达到了出色的CVI≥0.70，除了2个屏幕。该应用程序的CVI平均方法为0.851。结论：Micardiapp的应用是提高健康素养和具有多种多发性和心力衰竭的PA的自我管理的应用，并具有经过验证的验证。
使用MHealth技术在患有脑损伤的社区成年人中报告的结果：范围审查。
1 UT西南医学中心，美国德克萨斯州达拉斯市物理医学与康复部75390，美国； andrew.nabasny@utsouthwestern.edu（A.N。 ）; candice.osborne@utsouthwestern.edu（c.l.o. ）; brittany.wright@utsouthwestern.edu（b.w. ）; novelle.kew@utsouthwestern.edu（C.-L.N.K.） 2 UT西南医学中心，美国达拉斯应用临床研究系，美国德克萨斯州75390，美国3美国职业疗法系，匹兹堡大学，匹兹堡，宾夕法尼亚州15219，美国； lat15@pitt.edu 4美国亚特兰大的牧羊人中心，美国佐治亚州30309； tracey.wallace@shepherd.org（t.w. ）; john.morris@shepherd.org（J.M.） 5美国华盛顿特区乔治华盛顿大学临床研究与领导力系，20006年，美国； jenweaver524@gwu.edu 6美国德克萨斯州丹顿市德克萨斯州妇女大学职业治疗学院，美国德克萨斯州76204； sburns3@twu.edu 7美国乔治亚州佐治亚州立大学职业治疗系，美国佐治亚州30303，美国； pwen@gsu.edu *通信：shannon.juengst@utsouthwestern.edu1 UT西南医学中心，美国德克萨斯州达拉斯市物理医学与康复部75390，美国； andrew.nabasny@utsouthwestern.edu（A.N。）; candice.osborne@utsouthwestern.edu（c.l.o.）; brittany.wright@utsouthwestern.edu（b.w.）; novelle.kew@utsouthwestern.edu（C.-L.N.K.）2 UT西南医学中心，美国达拉斯应用临床研究系，美国德克萨斯州75390，美国3美国职业疗法系，匹兹堡大学，匹兹堡，宾夕法尼亚州15219，美国； lat15@pitt.edu 4美国亚特兰大的牧羊人中心，美国佐治亚州30309； tracey.wallace@shepherd.org（t.w. ）; john.morris@shepherd.org（J.M.） 5美国华盛顿特区乔治华盛顿大学临床研究与领导力系，20006年，美国； jenweaver524@gwu.edu 6美国德克萨斯州丹顿市德克萨斯州妇女大学职业治疗学院，美国德克萨斯州76204； sburns3@twu.edu 7美国乔治亚州佐治亚州立大学职业治疗系，美国佐治亚州30303，美国； pwen@gsu.edu *通信：shannon.juengst@utsouthwestern.edu2 UT西南医学中心，美国达拉斯应用临床研究系，美国德克萨斯州75390，美国3美国职业疗法系，匹兹堡大学，匹兹堡，宾夕法尼亚州15219，美国； lat15@pitt.edu 4美国亚特兰大的牧羊人中心，美国佐治亚州30309； tracey.wallace@shepherd.org（t.w.）; john.morris@shepherd.org（J.M.）5美国华盛顿特区乔治华盛顿大学临床研究与领导力系，20006年，美国； jenweaver524@gwu.edu 6美国德克萨斯州丹顿市德克萨斯州妇女大学职业治疗学院，美国德克萨斯州76204； sburns3@twu.edu 7美国乔治亚州佐治亚州立大学职业治疗系，美国佐治亚州30303，美国； pwen@gsu.edu *通信：shannon.juengst@utsouthwestern.edu5美国华盛顿特区乔治华盛顿大学临床研究与领导力系，20006年，美国； jenweaver524@gwu.edu 6美国德克萨斯州丹顿市德克萨斯州妇女大学职业治疗学院，美国德克萨斯州76204； sburns3@twu.edu 7美国乔治亚州佐治亚州立大学职业治疗系，美国佐治亚州30303，美国； pwen@gsu.edu *通信：shannon.juengst@utsouthwestern.edu
承保期：福利和承保范围摘要：本计划承保的内容以及您支付的承保服务 EmblemHealth：HIP Prime HMO 承保范围
如果您认为 EmblemHealth 未能提供这些服务或以其他方式基于种族、肤色、国籍、年龄、残疾或性别进行歧视，您可以向 EmblemHealth 申诉和上诉部门提出申诉，地址为 PO Box 2844, New York, NY 10116，或致电会员服务部 1-877-411-3625。（拨打 711 可获得 TTY/TDD 服务。）您可以亲自、通过邮件或电话提出申诉。如果您需要帮助提出申诉，EmblemHealth 的申诉和上诉部门可以为您提供帮助。您还可以通过民权投诉门户网站以电子方式向美国卫生与公众服务部民权办公室提交民权投诉，网址为 ocrportal.hhs.gov/ocr/portal/lobby.jsf，或通过邮寄或致电美国卫生与公众服务部，地址：200 Independence Avenue SW, Room 509F, HHH Building, Washington, DC 20201；电话：1-800-368-1019，（TTY 服务请拨打 1-800-537-7697）。
人工智能、大数据和移动医疗
针对儿童的暴力是全球公共卫生威胁，令人十分担忧。全世界至少有一半的儿童每年都会遭受暴力；全球每年遭受暴力的 2 至 17 岁儿童总数达 10 亿。根据文献综述，我们认为人工智能（以及相关的机器学习和大数据）和移动医疗方法具有巨大的潜力，可用于大规模预防和解决暴力问题。这种潜力在中低收入国家 (LMIC) 尤为明显，尽管它能否转化为大规模的有效解决方案仍不清楚。我们讨论了人工智能 (AI)、大数据和移动医疗方法预防暴力的可能切入点，并将它们与世界卫生组织的七项 INSPIRE 战略联系起来。然而，应谨慎对待此类工作。我们强调了未来基于技术和技术支持的暴力预防工作的明确方向。我们认为，需要在整个城市层面建立良好的基于代理的模型，以了解可能发生暴力的地方和时间，以及当地的响应系统。然而，有必要开发关于暴力预测因素的通用、可靠和有效的人口和个人/家庭层面数据。这些指标可以整合到常规健康或其他信息系统中，并成为暴力预防和应对系统的人工智能算法的基础。此外，还需要有关个人求助行为、虐待儿童的风险因素和其他信息的数据，这些信息可以帮助我们确定了解暴力成因和应对暴力所需的参数。为了应对此类干预措施引起的道德问题，必须做出协调一致的、有意义的努力，在人工智能领域开展参与性和用户主导的工作，以确保上述隐私和分析问题在未来得到明确解决。最后，我们认为，开发人工智能和其他技术基础设施将需要大量投资，特别是在中低收入国家。