MétaCan
Menu
Retour à la cohorte
Enregistrement W2791246997 · doi:10.2196/mhealth.8849

Patient and Family Engagement in the Design of a Mobile Health Solution for Pediatric Asthma: Development and Feasibility Study

2018· article· en· W2791246997 sur OpenAlexvenueno aff
Andrew McWilliams, Kelly Reeves, Lindsay Shade, Elizabeth C. Burton, Hazel Tapp, Cheryl Courtlandt, Andrew Gunter, Michael Dulin

Notice bibliographique

RevueJMIR mhealth and uhealth · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAsthmamHealthMedicinePsychologyPediatricsComputer sciencePsychological interventionPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Asthma is a highly prevalent, chronic disease with significant morbidity, cost, and disparities in health outcomes. While adherence to asthma treatment guidelines can improve symptoms and decrease exacerbations, most patients receive care that is not guideline-based. New approaches that incorporate shared decision-making (SDM) and health information technology (IT) are needed to positively impact asthma management. Despite the promise of health IT to improve efficiency and outcomes in health care, new IT solutions frequently suffer from a lack of widespread adoption and do not achieve desired results, as a consequence of not involving end-users in design. OBJECTIVE: To describe a case study of a pediatric asthma SDM health IT solution's development and demonstrate a methodology for engaging actual patients and families in IT development. Perspectives are shared from the vantage point of the research team and a parent of a child with asthma, who participated on the development team. METHODS: We adapted user-centric design principles to engage actual users across three main development phases: project initiation, ideation, and usability testing. To facilitate the necessary level of user engagement, our approach included: (1) a Development Workgroup consisting of patients, caregivers, and providers who met regularly with the research team; and (2) "real-world users" consisting of patients, caregivers, and providers recruited from a variety of care locations, including safety-net clinics. RESULTS: Using this methodology, we successful partnered with asthma patients and families to create an interactive, digital solution called Carolinas Asthma Coach. Carolinas Asthma Coach incorporates SDM principles to elicit patient information, including goals and preferences, and provides health-literate, tailored education with specific guideline-based recommendations for patients and their providers. Of the patients, caregivers, and providers surveyed, 100% (n=60) said they would recommend Carolinas Asthma Coach to a friend or colleague. Qualitative feedback from users provided support for the usability and engaging nature of the app. CONCLUSIONS: This project demonstrates the feasibility and benefits of deploying user-centric design methods that engage real patients and caregivers throughout the health IT design process.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,862
Score d'incertitude au seuil0,562

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,179
Tête enseignante GPT0,465
Écart entre enseignants0,286 · 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

Citations31
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetDigital Mental Health InterventionsTravaux en français237 207