Testing Consultation Recordings in a Clinical Setting With the SecondEars Smartphone App: Mixed Methods Implementation Study
Notice bibliographique
Résumé
BACKGROUND: Health care systems are increasingly looking to mobile device technologies (mobile health) to improve patient experience and health outcomes. SecondEars is a smartphone app designed to allow patients to audio-record medical consultations to improve recall, understanding, and health care self-management. Novel health interventions such as SecondEars often fail to be implemented post pilot-testing owing to inadequate user experience (UX) assessment, a key component of a comprehensive implementation strategy. OBJECTIVE: This study aimed to pilot the SecondEars app within an active clinical setting to identify factors necessary for optimal implementation. Objectives were to (1) investigate patient UX and acceptability, utility, and satisfaction with the SecondEars app, and (2) understand health professional perspectives on issues, solutions, and strategies for effective implementation of SecondEars. METHODS: A mixed methods implementation study was employed. Patients were invited to test the app to record consultations with participating oncology health professionals. Follow-up interviews were conducted with all participating patients (or carers) and health professionals, regarding uptake and extent of app use. Responses to the Mobile App Rating Scale (MARS) were also collected. Interviews were analyzed using interpretive descriptive methodology; all quantitative data were analyzed descriptively. RESULTS: A total of 24 patients used SecondEars to record consultations with 10 multidisciplinary health professionals. In all, 22 of these patients used SecondEars to listen to all or part of the recording, either alone or with family. All 100% of patient participants reported in the MARS that they would use SecondEars again and recommend it to others. A total of 3 themes were identified from the patient interviews relating to the UX of SecondEars: empowerment, facilitating support in cancer care, and usability. Further, 5 themes were identified from the health professional interviews relating to implementation of SecondEars: changing hospital culture, mitigating medico-legal concerns, improving patient care, communication, and practical implementation solutions. CONCLUSIONS: Data collected during pilot testing regarding recording use, UX, and health professional and patient perspectives will be important for designing an effective implementation strategy for SecondEars. Those testing the app found it useful and felt that it could facilitate the benefits of consultation recordings, along with providing patient empowerment and support. Potential issues regarding implementation were discussed, and solutions were generated. TRIAL REGISTRATION: Australia and New Zealand Clinical Trials Registry ACTRN12618000730202; https://www.anzctr.org.au/Trial/Registration/TrialReview.aspx?id=373915&isClinicalTrial=False.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | high |
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 | 0,038 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».