Using Human-Centered Design to Build a Digital Health Advisor for Patients With Complex Needs: Persona and Prototype Development
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: Twenty years ago, a "Guardian Angel" or comprehensive digital health advisor was proposed to empower patients to better manage their own health. This is now technically feasible, but most digital applications have narrow functions and target the relatively healthy, with few designed for those with the greatest needs. OBJECTIVE: The goal of the research was to identify unmet needs and key features of a general digital health advisor for frail elderly and people with multiple chronic conditions and their caregivers. METHODS: In-depth interviews were used to develop personas and use cases, and iterative feedback from participants informed the creation of a low-fidelity prototype of a digital health advisor. Results were shared with developers, investors, regulators, and health system leaders for suggestions on how this could be developed and disseminated. RESULTS: Patients highlighted the following goals: "live my life," "love my life," "manage my health," and "feel understood." Patients and caregivers reported interest in four functions to address these goals: tracking and insights, advice and information, providing a holistic picture of the patient, and coordination and communication. Experts and system stakeholders felt the prototype was technically feasible, and that while health care delivery organizations could help disseminate such a tool, it should be done in partnership with consumer-focused organizations. CONCLUSIONS: This study describes the key features of a comprehensive digital health advisor, but to spur its development, we need to clarify the business case and address the policy, organizational, and cultural barriers to creating tools that put patients and their goals at the center of the health system.
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 | 0,002 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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