Recommendations for Developing Support Tools With People Suffering From Chronic Obstructive Pulmonary Disease: Co-Design and Pilot Testing of a Mobile Health Prototype
Notice bibliographique
Résumé
BACKGROUND: Gaps exist between developers, commissioners, and end users in terms of the perceived desirability of different features and functionalities of mobile apps. OBJECTIVE: The objective of this study was to co-design a prototype mobile app for people with chronic obstructive pulmonary disease (COPD). We present lessons learned and recommendations from working on a large project with various stakeholders to develop a mobile app for patients with COPD. METHODS: We adopted a user-centered, participatory approach to app development. Following a series of focus groups and interviews to capture requirements, we developed a prototype app designed to enable daily symptom recording (experience sampling). The prototype was tested in a usability study applying the think aloud protocol with people with COPD. It was then released via the Android app store, and experience sampling data and event data were captured to gather further usability data. RESULTS: A total of 5 people with COPD participated in the pilot study. Identified themes include familiarity with technology, appropriate levels for feeding back information, and usability issues such as manual dexterity. Moreover, 37 participants used the app over a 4-month period (median age 47 years). The symptoms most correlated to perceived well-being were tiredness (r=0.61; P<.001) and breathlessness (r=0.59; P<.001). CONCLUSIONS: Design implications for COPD apps include the need for clearly labeled features (rather than relying on colors or symbols that require experience using smartphones), providing weather information, and using the same terminology as health care professionals (rather than simply lay terms). Target users, researchers, and developers should be involved at every stage of app development, using an iterative approach to build a prototype app, which should then be tested in controlled settings as well as in the wild (ie, when deployed and used in real-world settings) over longer periods.
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 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 | 0,028 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».