“Don’t sweat it buddy, it’s OK”: an exploration of the needs of adolescents with disabilities when designing a mobile application for weight management and healthy lifestyles
Notice bibliographique
Résumé
Purpose: Adolescents with disabilities often demonstrate higher sedentary behaviours, lower physical activity levels, poorer quality diets, and higher rates of overweight and obesity than typically developing youth. This study had two objectives: 1) To understand the needs and priorities of adolescents with disabilities, parents, and the healthcare professionals who work with them around healthy lifestyles and weight management; and 2) To explore whether and how a mobile application could address these needs.Methods: Multiple perspectives were gathered through separate qualitative focus groups with adolescents with disabilities (12–17 years), parents, and rehabilitation healthcare professionals. Data were analysed using descriptive thematic analysis.Results: Parents (n = 6) and healthcare professionals (n = 9) described the complex needs of adolescents with disabilities around weight management and healthy lifestyles, including balancing differing priorities and a lack of appropriate resources. Adolescents (n = 7) endorsed the potential for technology to enhance their health through empowerment and having a virtual support system. All stakeholder groups endorsed taking a holistic, wellness approach.Conclusions: Adolescents with disabilities have a complex lifestyle and weight management needs, but mobile applications have the potential to provide individualized support. It is critical that anyone developing mobile applications engage a range of stakeholders as co-designers.Implications for rehabilitationAdolescents with disabilities have complex support needs and priorities around weight management and healthy lifestyles.Existing resources do not take into account the wide-ranging abilities of adolescents with disabilities.Mobile applications have the potential to empower adolescents and provide tailored support around healthy lifestyles.Including user input when designing technologies is critical.
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».