User Experiences With a Type 2 Diabetes Coaching App: Qualitative Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 découle