User Preferences and Persona Design for an mHealth Intervention to Support Adherence to Cardiovascular Disease Medication in Singapore: A Multi-Method Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The use of mobile health (mHealth) has gained popularity globally, including for its use in a variety of health interventions, particularly through short message service (SMS) text messaging. However, there are challenges to the use of mHealth, particularly among older users who have a large heterogeneity in usability and accessibility barriers when using technology. OBJECTIVE: In order to better understand and conceptualize the diversity of users and give insight into their particular needs, we turned to persona creation. Personas are user archetypes created through data generated from multi-method inquiry with actual target users. Personas are an appropriate yet largely underutilized component of current mHealth research. METHODS: Leveraging data from a multi-method study conducted in Singapore with an ethnically diverse population including Chinese, Malay, and Indian participants, we used a proforma to analyze data from the qualitative component (ie, 20 in-depth interviews) and quantitative component (ie, 100 interviewer-guided surveys). We then identified key characteristics, including technology use and preferences as well as adherence factors, to synthesize five personas reflective of persons over the age of 40 years in Singapore with atherosclerotic cardiovascular disease (ASCVD) or ASCVD risk factors, such as hypertension. RESULTS: We present five personas typologized as (1) The Quiet Analog, (2) The Busy Grandparent, (3) The Socializer, (4) The Newly Diagnosed, and (5) The Hard-to-Reach. We report on four key characteristics: health care access, medication adherence, mobile phone technology usage (ie, ownership, access, and utilization), and interest in mHealth. Finally, we provide insights into how these personas may be used in the design and implementation of an mHealth intervention. Our work demonstrates how multi-method data can create biopsychosocial personas that can be used to explore and address the diversity in behaviors, preferences, and needs in user groups. CONCLUSIONS: With wider adoption of mHealth, it is important that we consider user-centered design techniques and design thinking in order to create meaningful, patient-centered interventions for adherence to medications. Future research in this area should include greater exploration of how these five personas can be used to better understand how and when is best to deliver mHealth interventions in Singapore and beyond.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle