MétaCan
Menu
Retour à la cohorte
Enregistrement W2042725563 · doi:10.2147/ppa.s51285

Use of an interdisciplinary, participatory design approach to develop a usable patient self-assessment tool in atrial fibrillation

2013· article· en· W2042725563 sur OpenAlexaffabout
Lori MacCallum, Heather McGaw, Nazanin Meshkat, Alissia Valentinis, Leslie Beard Ashley, R. Sacha Bhatia, Kaye Benson, Noah Ivers, Kori Leblanc, Dante Morra

Notice bibliographique

RevuePatient Preference and Adherence · 2013
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversity Health NetworkWomen's College HospitalTrillium Health CentreUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésUsabilityMedicineParticipatory designUSableHealth careDemographicsAtrial fibrillationPopulationMedical emergencyComputer scienceOperations managementHuman–computer interactionEngineering

Résumé

récupéré en direct d'OpenAlex

After identifying that significant care gaps exist within the management of atrial fibrillation (AF), a patient-focused tool was developed to help patients better assess and manage their AF. This tool aims to provide education and awareness regarding the management of symptoms and stroke risk associated with AF, while engaging patients to identify if their condition is optimally managed and to become involved in their own care. An interdisciplinary group of health care providers and designers worked together in a participatory design approach to develop the tool with input from patients. Usability testing was completed with 22 patients of varying demographics to represent the characteristics of the patient population. The findings from usability testing interviews were used to further improve and develop the tool to improve ease of use. A physician-facing tool was also developed to help to explain the tool and provide a brief summary of the 2012 Canadian Cardiovascular Society atrial fibrillation guidelines. By incorporating patient input and human-centered design with the knowledge, experience, and medical expertise of health care providers, we have used an approach in developing the tool that tries to more effectively meet patients' needs.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,309
Score d'incertitude au seuil0,900

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,512
Tête enseignante GPT0,424
Écart entre enseignants0,088 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations5
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePatient Preference and AdherenceMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207