Patients’ Experiences of Using a Consumer mHealth App for Self-Management of Heart Failure: Mixed-Methods Study
Notice bibliographique
Résumé
BACKGROUND: To support the self-management of heart failure, a team of hospital clinicians, patients, and family caregivers have co-designed the consumer mobile health app, Care4myHeart. OBJECTIVE: This research aimed to determine patient experiences of using the app to self-manage heart failure. METHODS: Patients with heart failure used the app for 14 days on their own smart device in a home setting, following which a mixed-methods evaluation was performed. Eight patients were recruited, of whom six completed the Mobile Application Rating Scale and attended an interview. RESULTS: The overall app quality score was "acceptable" with 3.53 of 5 points, with the aesthetics (3.83/5) and information (3.78/5) subscales scoring the highest. The lowest mean score was in the app-specific subscale representing the perceived impact on health behavior change (2.53/5). Frequently used features were weight and fluid restriction tracking, with graphical representation of data particularly beneficial for improved self-awareness and ongoing learning. The use of technology for self-management will fundamentally differ from current practices and require a change in daily routines. However, app use was correlated with potential utility for daily management of illness with benefits of accurate recording and review of personal health data and as a communication tool for doctors to assist with care planning, as all medical information is available in one place. Technical considerations included participants' attitudes toward technology, functionality and data entry issues, and relatively minor suggested changes. CONCLUSIONS: The findings from this usability study suggest that a significant barrier to adoption is the lack of integration of technology into everyday life in the context of already established disease self-management routines. Future studies should explore the barriers to adoption and sustainability of consumer mobile health interventions for chronic conditions, particularly whether introducing such apps is more beneficial at the commencement of a self-management regimen.
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 | 0,008 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».