Adolescent Preferences and Design Recommendations for an Asthma Self-Management App: Mixed-Methods Study
Notice bibliographique
Résumé
BACKGROUND: Approximately 10% of adolescents in the United States have asthma. Adolescents widely use apps on mobile phones and tablet technology for social networking and gaming purposes. Given the increase in recreational app use among adolescents, leveraging apps to support adolescent asthma disease management seems warranted. However, little empirical research has influenced asthma app development; adolescent users are seldom involved in the app design process. OBJECTIVE: The aim of this mixed-methods study was to assess adolescent preferences and design recommendations for an asthma self-management app. METHODS: A total of 20 adolescents with persistent asthma (aged 12-16 years) provided feedback on two asthma self-management apps during in-person semistructured interviews following their regularly scheduled asthma clinic visit and via telephone 1 week later. Interviews were audiorecorded, transcribed verbatim, analyzed using SPSS v24, and coded thematically using MAXQDA 11. RESULTS: Regarding esthetics, app layout and perceived visual simplicity were important to facilitate initial app use. Adolescents were more likely to continually engage with apps that were deemed useful and met their informational needs. Adolescents also desired app features that fit within their existing paradigm or schema and included familiar components (eg, medication alerts that appear and sound like FaceTime notifications and games modeled after Quiz Up and Minecraft), as well as the ability to customize app components. They also suggested that apps include other features, such as an air quality tracker and voice command. CONCLUSIONS: Adolescents desire specific app characteristics including customization and tailoring to meet their asthma informational needs. Involving adolescents in early stages of app development is likely to result in an asthma app that meets their self-management needs and design preferences and ultimately the adoption and maintenance of positive asthma self-management behaviors.
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 | 0,013 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».