MétaCan
Menu
Retour à la cohorte
Enregistrement W2795826733 · doi:10.2196/formative.8248

User-Centered Design of a Mobile App for Weight and Health Management in Adolescents With Complex Health Needs: Qualitative Study

2018· article· en· W2795826733 sur OpenAlexaffvenue
Jordan Rivera, Amy C. McPherson, Jill Hamilton, Catherine S. Birken, Michael James Coons, Michelle St. Peters, Sindoora Iyer, Tessy George, Cynthia Nguyen, Jennifer Stinson

Notice bibliographique

RevueJMIR Formative Research · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensUniversity of TorontoHealth Sciences CentreHospital for Sick ChildrenHolland Bloorview Kids Rehabilitation HospitalSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésSoftware deploymentPsychological interventionQualitative researchWeight managementmHealthWork (physics)Mobile appsHealth careMobile technologyMobile devicePsychologyGerontologyMedicineMedical educationNursingComputer scienceEngineeringWorld Wide WebSociologyWeight lossObesity

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Growing research has been conducted into the deployment and evaluation of mobile technology interventions for weight management in adolescents. However, no work has yet been conducted toward the development of these technologies for adolescents with complex health needs receiving specialized tertiary-level health care. OBJECTIVE: The aim of this study was to conduct a user-centered needs assessment of adolescents interested in weight management with complex health needs requiring specialized health care services, their parents, and health care providers (HCPs) to inform the design and development of a mobile app for weight and health management. METHODS: A qualitative study design was employed. Participants were recruited from two tertiary health care centers. Separate audiotaped focus group interviews were conducted with adolescents aged 12 to 18 years, parents, and HCPs. Interviews were transcribed, and field notes were collected by research staff. Iterative simple content analysis was performed independently by 4 research team members using computer software NVivo (QSR International) 10.0. RESULTS: A total of 19 adolescents, 16 parents, and 21 HCPs were interviewed. Qualitative analysis revealed seven major themes related to app functionality: healthy eating, social support, self-monitoring, communicating with HCPs, supporting mental health, gamification and incentives, and user interface (UI) design. Adolescents provided several ideas related to each feature, whereas parents' views focused on assistance with meal planning and greater access to HCPs. HCPs viewed the app as a novel and more acceptable platform to connect remotely with adolescents than conventional methods. They also strongly endorsed the value of social support capabilities and the ability to connect with an HCP. CONCLUSIONS: This is the first study to conduct a qualitative needs assessment in adolescents receiving specialized health care services toward the design of a mobile app for weight and health management. Our results indicate that core components of the app should include tailored meal recommendations and assistance with meal planning, social networking for peer support, customized and convenient tracking, remote access to HCPs, features to support mental health, and an attractive and engaging UI. These findings will be used to develop and evaluate a mobile app targeting adolescents with complex health 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,003
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,291
Tête enseignante GPT0,596
Écart entre enseignants0,305 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations48
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207