Perceptions of Health Care Providers Regarding a Mobile Health Intervention to Manage Chronic Obstructive Pulmonary Disease: Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Using a mobile health (mHealth) intervention, consisting of a smartphone and compatible medical device, has the potential to enhance chronic obstructive pulmonary disease (COPD) treatment outcomes while mitigating health care costs. OBJECTIVE: The aim of this study was to explore the potential facilitators and barriers among health care providers (HCPs) regarding the use of mHealth interventions for COPD management. METHODS: This was a qualitative study. Semistructured individual interviews were conducted with HCPs, including nurses, pharmacists, and physicians who work directly with patients with COPD. A flexible prompts guide was used to facilitate discussions. Interview topics included the following: demographics, mHealth usage, perceptions toward challenges of mHealth adoption, factors facilitating mHealth adoption, and preferences regarding features of the mHealth intervention for COPD management. Interviews were conversational in nature, and items were not asked verbatim or in the order presented. The interviews were transcribed verbatim and compared against the digital recordings to ensure the accuracy of the content. After creating a codebook for analysis, 2 researchers independently coded the remaining interview data using pattern coding. They discussed commonalities and differences in coding until a consensus was reached. RESULTS: A total of 30 nurses, physicians, and pharmacists participated. The main facilitators to mHealth adoption are possible health benefits for patients, ease of use, educating patients and their HCPs, credibility, and reducing cost to the health care system. Alternatively, the barriers to adoption are technical issues, privacy and confidentiality issues, lack of awareness, potential limited uptake from the elderly, potential limited connection between patients and HCPs, and finances. CONCLUSIONS: It is important to understand the perceptions of HCPs regarding the adoption of innovative mHealth interventions for COPD management. This study identifies some potential facilitators and barriers that may inform the successful development and implementation of mHealth interventions for COPD management.
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 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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».