My Interventional Drug-Eluting Stent Educational App (MyIDEA): Patient-Centered Design Methodology
Notice bibliographique
Résumé
BACKGROUND: Patient adherence to medication regimens is critical in most chronic disease treatment plans. This study uses a patient-centered tablet app, "My Interventional Drug-Eluting Stent Educational App (MyIDEA)." This is an educational program designed to improve patient medication adherence. OBJECTIVE: Our goal is to describe the design, methodology, limitations, and results of the MyIDEA tablet app. We created a mobile technology-based patient education app to improve dual antiplatelet therapy adherence in patients who underwent a percutaneous coronary intervention and received a drug-eluting stent. METHODS: Patient advisers were involved in the development process of MyIDEA from the initial wireframe to the final launch of the product. The program was restructured and redesigned based on the patient advisers' suggestions as well as those from multidisciplinary team members. To accommodate those with low health literacy, we modified the language and employed attractive color schemes to improve ease of use. We assumed that the target patient population may have little to no experience with electronic tablets, and therefore, we designed the interface to be as intuitive as possible. RESULTS: The MyIDEA app has been successfully deployed to a low-health-literate elderly patient population in the hospital setting. A total of 6 patients have interacted with MyIDEA for an average of 17.6 minutes/session. CONCLUSIONS: Including patient advisers in the early phases of a mobile patient education development process is critical. A number of changes in text order, language, and color schemes occurred to improve ease of use. The MyIDEA program has been successfully deployed to a low-health-literate elderly patient population. Leveraging patient advisers throughout the development process helps to ensure implementation success.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».