MétaCan
Menu
Retour à la cohorte
Enregistrement W3021503610 · doi:10.2196/16692

User Experiences With a Type 2 Diabetes Coaching App: Qualitative Study

2020· article· en· W3021503610 sur OpenAlexvenueno aff
Shaira Baptista, Greg Wadley, Dominique Bird, Brian Oldenburg, Jane Speight

Notice bibliographique

RevueJMIR Diabetes · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilDiabetes VictoriaNational Health and Medical Research CouncilRoche Diabetes CareDeakin UniversityDiabetes AustraliaBupa Foundation
Mots-clésDisengagement theoryContext (archaeology)CoachingDiabetes managementSelf-managementmHealthType 2 diabetesHealth coachingPsychologyMedicineApplied psychologyDiabetes mellitusNursingGerontologyComputer sciencePsychological interventionPsychotherapist

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Diabetes self-management apps have the potential to improve self-management in people with type 2 diabetes (T2D). Although efficacy trials provide evidence of health benefits, premature disengagement from apps is common. Therefore, it is important to understand the factors that influence engagement in real-world settings. OBJECTIVE: This study aims to explore users' real-world experiences with the My Diabetes Coach (MDC) self-management app. METHODS: We conducted telephone-based interviews with participants who had accessed the MDC self-management app via their smartphone for up to 12 months. Interviews focused on user characteristics; the context within which the app was used; barriers and facilitators of app use; and the design, content, and delivery of support within the app. RESULTS: A total of 19 adults with T2D (8/19, 42% women; mean age 60, SD 14 years) were interviewed. Of the 19 interviewees, 8 (42%) had T2D for <5 years, 42% (n=8) had T2D for 5-10 years, and 16% (n=3) had T2D for >10 years. In total, 2 themes were constructed from interview data: (1) the moderating effect of diabetes self-management styles on needs, preferences, and expectations and (2) factors influencing users' engagement with the app: one size does not fit all. CONCLUSIONS: User characteristics, the context of use, and features of the app interact and influence engagement. Promoting engagement is vital if diabetes self-management apps are to become a useful complement to clinical care in supporting optimal self-management. TRIAL REGISTRATION: Australia New Zealand Clinical Trials Registry CTRN126140012296; URL https://www.anzctr.org.au/Trial/Registration/TrialReview.aspx?id=366925&isReview=true.

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)0,006
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,007
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,003
Communication savante0,0030,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,068
Tête enseignante GPT0,463
Écart entre enseignants0,395 · 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

Citations36
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR DiabetesMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207