Aller au contenu principal
Retour à la veille
PubMed18 septembre 2026Pertinence 8/10
Voir l'article sur PubMed

Engagement avec une intervention de santé mobile basée sur la relaxation pour l’anxiété périopératoire : étude de cohorte longitudinale prospective avec méthodes mixtes

Engagement With a Relaxation-Based Mobile Health Intervention for Perioperative Anxiety: Prospective Longitudinal Cohort Mixed Methods Study.

Yan X, Hassett AL, Waljee JF, Newman MW, Park SY, Bei R, Carlozzi NE

JMIR mHealth and uHealth

Résumé de l'article

Les interventions de santé mobile (mHealth) basées sur la relaxation sont prometteuses pour gérer l’anxiété et la douleur en période périopératoire, avec un fort potentiel de déploiement à grande échelle. Pourtant, la recherche sur la manière dont les patients chirurgicaux utilisent ces interventions et ce qui est le plus bénéfique est limitée. Cette étude avait trois objectifs : explorer l’interaction des utilisateurs avec une intervention mHealth de relaxation avant, pendant et après une chirurgie ; comprendre le lien entre la performance et les perceptions des utilisateurs et les bénéfices perçus ; et identifier les éléments de conception qui favorisent l’engagement et l’efficacité des interventions mHealth. Nous avons mené une étude longitudinale prospective, combinant des méthodes quantitatives et qualitatives, pour évaluer l’engagement avec MiCarePath, une application mHealth de relaxation. Dix-neuf patients en période périopératoire (âge moyen 41,3 ans ; 14/19, soit 74%, des femmes), subissant une chirurgie élective et signalant une anxiété fluctuante, ont été inclus. Les participants ont utilisé l’application de 10 jours avant la chirurgie à 4 semaines après. Nous avons recueilli des données quantitatives sur l’engagement vidéo (durée de visionnage, taux de réponse aux sollicitations) et des évaluations écologiques momentanées de l’anxiété et de la douleur. Simultanément, des entretiens semi-structurés ont été menés à trois moments clés pour évaluer les perceptions. L’intégration des données a utilisé des statistiques descriptives, des ANOVA à mesures répétées et une analyse thématique qualitative. Onze participants ont rapporté avoir développé ou amélioré leurs stratégies d’autogestion de la relaxation (bénéfice élevé), tandis que 8 ont rapporté peu de bénéfices. Le groupe à bénéfice élevé a montré un temps de visionnage total significativement plus long (différence 223,8 minutes, IC 95% [95,54-366,46] minutes, P<.001), une meilleure adhésion aux sollicitations vidéo (73,45% contre 34,60%, P<.001), et une plus grande utilité perçue du contenu (79,80% contre 25,50%, P<.001) par rapport au groupe à faible bénéfice. Cependant, au sein de chaque groupe, les perceptions des participants ne se reflétaient pas toujours pleinement dans leur performance. Certains participants du groupe à bénéfice élevé ont réduit leur temps de visionnage après la chirurgie tout en déclarant se sentir engagés. Les entretiens ont révélé que le comportement d'« utilisation intentionnelle » — où les utilisateurs recherchent activement du contenu pour gérer les symptômes indépendamment des rappels — distinguait ces participants. Ceux qui ont développé cette utilisation intentionnelle étaient capables de pratiquer les techniques de relaxation sans l’application et de reprendre l’engagement après des interruptions contextuelles. Cette étude a exploré l’engagement des utilisateurs avec une intervention mHealth de relaxation pour les soins périopératoires, en intégrant les perceptions et les performances pour la gestion de l’anxiété et de la douleur numériques. Les résultats suggèrent que le bénéfice perçu peut ne pas toujours être lié à la performance des utilisateurs. L’utilisation intentionnelle émerge comme un indicateur prometteur de l’engagement efficace avec les mHealth en soins périopératoires. Les futures conceptions devraient viser à favoriser l’utilisation intentionnelle via des fonctionnalités comme les invites de réflexion et les notifications adaptatives. Les recherches futures devraient également développer des modèles computationnels pour détecter l’utilisation intentionnelle et évaluer les interventions adaptatives dans de plus grandes cohortes.

Résumé généré par IA à partir de l'étude source.

Analyse clinique réservée aux membres

Résumé clinique, implications pour la pratique, limites de l'étude et schéma méthodologique.

Devenir membre : 14,90 € HT/mois