Using a Wireless Electroencephalography Device to Evaluate E-Health and E-Learning Interventions
Notice bibliographique
Résumé
BACKGROUND: Measuring engagement and other reactions of patients and health professionals to e-health and e-learning interventions remains a challenge for researchers. OBJECTIVE: The aim of this pilot study was to assess the feasibility and acceptability of using a wireless electroencephalography (EEG) device to measure affective (anxiety, enjoyment, relaxation) and cognitive (attention, engagement, interest) reactions of patients and healthcare professionals during e-health or e-learning interventions. METHODS: Using a wireless EEG device, we measured patient (n = 6) and health professional (n = 7) reactions during a 10-minute session of an e-health or e-learning intervention. The following feasibility and acceptability indicators were assessed and compared for patients and healthcare professionals: number of eligible participants who consented to participate, reasons for refusal, time to install and calibrate the wireless EEG device, number of participants who completed the full 10-minute sessions, participant comfort when wearing the device, signal quality, and number of observations obtained for each reaction. The wireless EEG readings were compared to participant self-rating of their reactions. RESULTS: We obtained at least 75% of possible observations for attention, engagement, enjoyment, and interest. EEG scores were similar to self-reported scores, but they varied throughout the sessions, which gave information on participants' real-time reactions to the e-health/e-learning interventions. Results on the other indicators support the feasibility and acceptability of the wireless EEG device for both patients and professionals. DISCUSSION: Using the wireless EEG device was feasible and acceptable. Future studies must examine its use in other contexts of care and explore which components of the interventions affected participant reactions by combining wireless EEG and eye tracking.
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 | 0,004 | 0,012 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».