J ကို Clin စိတ်ရောဂါကုသမှု။ 2017 ဇန်နဝါရီ 31 ။ Doi: 10.4088 / JCP.15m10310 ။
Lin က YH1, Lin က PH သည်2, ချင်းမိုင် CL3,4, Lee က YH5, ယန် CC ကို6,7, Kuo ကတီဘီ6,7,8, Lin က SH9,10.
ြဒပ်မဲ့သော
Objective:
ကမ္ဘာ့စမတ်ဖုန်းတိုးချဲ့မကြုံစဖူးစွဲလမ်းအပြုအမူတွေအကြောင်းကိုယူဆောင်ခဲ့သည်။ စမတ်ဖုန်းစွဲ၏လက်ရှိရောဂါတစ်ခုတည်းကိုသာလက်တွေ့အင်တာဗျူးမှသတင်းအချက်အလက်အပေါ်အခြေခံသည်။ လျှောက်လွှာ (အက်ပ်) ထည့်သွင်းရန်ရည်ရွယ်ဒီလေ့လာမှုကစမတ်ဖုန်းစွဲ၏ရောဂါများအတွက်စိတ်ရောဂါစံသို့ data တွေကို -recorded နှင့်စမတ်ဖုန်းစွဲ၏ရောဂါများအတွက် app ကို-မှတ်တမ်းတင်ထားသောအချက်အလက်များ၏ကြိုတင်ခန့်မှန်းချက်စွမ်းရည်ဆန်းစစ်ရန်။
နည်းနာ:
79 ကောလိပ်ကျောင်းသားများကဒီဇင်ဘာလ 1, 1, မေလ 2013, 31 အကြား 2014 တစ်လအသစ်တီထွင် App ကမှတ်တမ်းတင်ခဲ့ပါသည်၏စမတ်ဖုန်းအသုံးပြုမှုကိုဒေတာ။ (2) သာရောဂါရှာဖွေအင်တာဗျူး (စံရောဂါ) နှင့် (1) အဖြေရှာတဲ့အင်တာဗျူးနဲ့ app-မှတ်တမ်းတင်ထားသောဒေတာများ (app ကို-ထည့်သွင်းရောဂါ) နှစ်ဦးစလုံးစီပါဝင်သူများအတွက်စိတ်ရောဂါကုဆရာဝန် 2 အပေါ်အခြေခံပြီးစမတ်ဖုန်းစွဲများအတွက်ရောဂါချဉ်းကပ်ဖန်ဆင်းတော်မူ၏။ ဒီ app-ထည့်သွင်းရောဂါနောက်ထပ် app ကို-ထည့်သွင်းအဖြေရှာတဲ့စံတည်ဆောက်ရန်အသုံးပြုခဲ့သည်။ ထို့အပြင် app ကို-မှတ်တမ်းတင်ထားသောဒေတာများစမတ်ဖုန်းစွဲရောဂါကြိုတင်ခန့်မှန်းဖို့ရမှတ်အဖြစ်ထို့နောက်ပါတီအသီးသီးမှခဲ့ကြသည်။
ရလဒ်:
လျှောက်လွှာတွင်ပါ ၀ င်သောရောဂါလက္ခဏာကို ၁၂ ခုအတွက်စံသတ်မှတ်ချက်အရရွှေစံအဖြစ်အသုံးပြုသောအခါစံသတ်မှတ်ချက် ၇ ချက်သည်သိသိသာသာတိကျမှုရှိသည်။ (လက်ခံသူ၏လည်ပတ်မှုလက္ခဏာဆိုင်ရာအကွေး (12UC)> 7) ကိုပြသခဲ့သည်။ %) app ကို - ထည့်သွင်းရောဂါများအတွက်။ ထို့အပြင်နေ့စဉ်စမတ်ဖုန်းအသုံးပြုမှုအကြိမ်ရေနှင့်ကြာချိန်နှစ်ရပ်လုံးသည် app - ပါ ၀ င်သည့်ရောဂါလက္ခဏာကိုသိသိသာသာကြိုတင်ခန့်မှန်းနိုင်သည် (AUC = ၀.၇၀ နှုန်းအတွက်; AUC = 0.7 ကြာချိန်အတွက်) ။ ကြာချိန်၊ ကြိမ်နှုန်းနှင့်ကြိမ်နှုန်းကို ၁ လပေါင်းစပ်ခြင်းဖြင့်စမတ်ဖုန်းစွဲရောဂါကိုတိကျစွာကြိုတင်ခန့်မှန်းနိုင်သည်။
နိဂုံးချုပ်:
ဒီ app-ထည့်သွင်းရောဂါ, စိတ်ရောဂါအင်တာဗျူးနဲ့ app-မှတ်တမ်းတင်ထားသောဒေတာနှစ်ဦးစလုံးပေါင်းစပ်ပြီး, စမတ်ဖုန်းစွဲရောဂါများအတွက်သိသိသာသာတိကျမှန်ကန်မှုကိုသရုပ်ပြခဲ့သည်။ ထို့အပြင် app ကို-မှတ်တမ်းတင်ထားသောဒေတာ app ကို-ထည့်သွင်းရောဂါတစ်ခုတိကျစိစစ် tool အဖြစ်ဖျော်ဖြေခဲ့ပါတယ်။
PMID: 28146615
;
