MétaCan
Menu
Retour à la cohorte
Enregistrement W2037077307 · doi:10.2196/ijmr.2314

Does Socioeconomic Status Affect Patients’ Ease of Use of a Touch-Screen (iPad) Patient Survey?

2013· article· en· W2037077307 sur OpenAlexaffvenueabout
Saman Zarghom, D Fonzo, Fok‐Han Leung

Notice bibliographique

RevueInteractive Journal of Medical Research · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Satisfaction in Healthcare
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAffect (linguistics)Socioeconomic statusUsabilityPsychologyTherapeutic touchMedicineComputer scienceHuman–computer interactionEnvironmental healthCommunicationAlternative medicine

Résumé

récupéré en direct d'OpenAlex

Socioeconomic disparities influence the usage rate of advanced communication technologies in Canada. It is important to assess all patient interactions with computers and electronic devices based on these socioeconomic differences. This project studied the ease of use of a touch-screen interface program for collecting patient feedback. The interface collected feedback on physicians' communication skills, an important health concern that has been garnering more and more attention. A concurrent paper survey was used to gather information on the socioeconomic status and the usability of the touchscreen device. As expected, patients who were older, had lower annual household income, and had lower educational attainment were associated with more difficulty using the devices. Surprisingly, 94% of all users (representing a wide range of socioeconomic status backgrounds) rated the device as easy to use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,039
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,039
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,004
Charge utile insuffisante (le modèle a refusé de juger)0,0110,000

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.

Tête enseignante Opus0,205
Tête enseignante GPT0,542
Écart entre enseignants0,337 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInteractive Journal of Medical ResearchMême sujetPatient Satisfaction in HealthcareTravaux en français237 207