User Experiences and Preferences Regarding an App for the Treatment of Urinary Incontinence in Adult Women: Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Although several apps are available to support the treatment of urinary incontinence (UI), little has been reported about the experiences and preferences of their users. OBJECTIVE: The objective of this study was to explore the experiences and preferences of women using a mobile app for the treatment of UI and to identify potential improvements to the app. We developed this app for three types of UI: stress UI, urgency UI, and mixed UI. METHODS: The participants in this qualitative study were women with self-reported stress UI, urgency UI, or mixed UI who used an app-based treatment to manage their condition for at least six weeks. Following the intervention, semistructured interviews were conducted to explore the participants' experiences and preferences regarding the app. All interviews were audio-recorded, transcribed verbatim, and analyzed separately by two researchers. RESULTS: Data saturation was reached after interviewing 9 women (aged 32-68 years) with stress UI (n=1, 11%), urgency UI (n=3, 33%), or mixed UI (n=5, 56%). Accessibility, awareness, usability, and adherence emerged as the main themes. On the one hand, participants appreciated that the app increased their accessibility to care, preserved their privacy, increased their awareness of therapeutic options, was easy to use and useful, and supported treatment adherence. On the other hand, some participants reported that they wanted more contact with a care provider, and others reported that using the app increased their awareness of symptoms. CONCLUSIONS: This qualitative study indicates that women appreciate app-based treatment for UI because it can lower barriers to treatment and increase both awareness and adherence to treatment. However, the app does not offer the ability of face-to-face contact and can lead to a greater focus on symptoms.
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 | 0,008 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».