MétaCan
Menu
Retour à la cohorte
Enregistrement W2936364305 · doi:10.2196/13713

“Call a Teenager… That’s What I Do!” - Grandchildren Help Older Adults Use New Technologies: Qualitative Study

2019· article· en· W2936364305 sur OpenAlexvenueno aff
Jennifer Dickman Portz, Christine A. Fruhauf, Sheana Bull, Rebecca S. Boxer, David B. Bekelman, Alejandra Casillas, Kathy Gleason, Elizabeth A. Bayliss

Notice bibliographique

RevueJMIR Aging · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Aging
Mots-clésQualitative researchPsychologySociologyDevelopmental psychologyGerontologyMedicineAnthropology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although family technical support seems intuitive, there is very little research exploring this topic. OBJECTIVE: The objective of this study was to conduct a subanalysis of data collected from a large-scale qualitative project regarding older adults' experiences in using health information technology. Specifically, the subanalysis explored older adults' experiences with technology support from family members to inform strategies for promoting older adults' engagement with new health technologies. Although the primary analysis of the original study was theoretically driven, this paper reports results from an inductive, open-coding analysis. METHODS: This is a subanalysis of a major code identified unexpectedly from a qualitative study investigating older adults' use experience of a widespread health technology, the patient portal. A total of 24 older patients (≥65 years) with multiple chronic conditions (Charlson Comorbidity Index >2) participated in focus groups conducted at the patients' primary clinic. While conducting the primary theoretically driven analysis, coders utilized an open-coding approach to ensure important ideas not reflected in the theoretical code book were captured. Open coding resulted in 1 code: family support. This subanalysis further categorized family support by who provided tech support, how tech support was offered, and the opinions of older participants about receiving family tech support. RESULTS: The participants were not specifically asked about family support, yet themes around family assistance and encouragement for technology emerged from every focus group. Participants repeatedly mentioned that they called their grandchildren and adult children if they needed help with technology. Participants also reported that family members experienced difficulty when teaching technology use. Family members struggled to explain simple technology tasks and were frustrated by the slow teaching process. CONCLUSIONS: The results suggest that older adults ask their family members, particularly grandchildren, to support them in the use of new technologies. However, family may experience difficulties in providing this support. Older adults will be increasingly expected to use health technologies, and family members may help with tech support. Providers and health systems should consider potential family support and engagement strategies to foster adoption and use among older patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0080,006
Communication savante0,0030,005
Science ouverte0,0010,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,339
Écart entre enseignants0,314 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations58
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetTechnology Use by Older AdultsTravaux en français237 207