The Effect of Online Chronic Disease Personas on Activation: Within-Subjects and Between-Groups Analyses
Notice bibliographique
Résumé
BACKGROUND: Although self-management of chronic disease is important, engaging patients and increasing activation for self-care using online tools has proven difficult. Designing more tailored interventions through the application of condition-specific personas may be a way to increase engagement and patient activation. Personas are developed from extensive interviews with patients about their shared values and assumptions about their health. The resulting personas tailor the knowledge and skills necessary for self-care and guide selection of the self-management tools for a particular audience. OBJECTIVE: Pre-post changes in self-reported levels of activation for self-management were analyzed for 11 chronic health personas developed for 4 prevalent chronic diseases. METHODS: Personas were created from 20 to 25 hour-long nondirected interviews with consumers with a common, chronic disease (eg, diabetes). The interviews were transcribed and coded for behaviors, feelings, and beliefs using the principles of grounded theory. A second group of 398 adults with self-reported chronic disease were recruited for online testing of the personas and their impact on activation. The activation variables, based on an integrated theory of health behavior, were knowledge of a given health issue, perceived self-management skills, confidence in improving health, and intention to take action in managing health. Pre-post changes in activation were analyzed with a mixed design with 1 within-subjects factor (pre-post) and 1 between-group factor (persona) using a general linear model with repeated measures. RESULTS: Sixteen pre-post changes for 4 measures of activation were analyzed. All but 2 of the within-subjects effects were statistically significant and all changes were in the direction of increased activation scores at posttest. Five significant differences between personas were observed, showing which personas performed better. Of low activation participants, 50% or more shifted to high activation across the 4 measures with minimal changes (≤5%) in the reverse direction. CONCLUSIONS: The majority of participants using a persona-tailored learning path reported high levels of satisfaction with their online user experience and increased levels of activation about their own health. In the body of work on patient activation, the current study adds to understanding of both short-term impact and the content of a brief, online intervention for engagement of specific groups in self-management.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,038 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».