The use of a mobile educational tool on pressure injury education for individuals living with spinal cord injury/disease: a qualitative research study
Notice bibliographique
Résumé
BACKGROUND: As many as 30-60% of individuals living with spinal cord injury/disease (SCI/D) experience at least one pressure injury (PI) in their lifetime. Best practice guidelines in SCI/D rehabilitation emphasize the importance of providing education regarding PI prevention and management for individuals living with SCI/D. Mobile educational applications can be used for PI education however there is limited research on the user-experiences of mobile educational applications about PIs for individuals living with SCI/D. OBJECTIVES: The purpose of this study was to explore the experiences of individuals living with SCI/D on the use of Pressure Ulcer Target (PUT), a mobile educational app for PI prevention and management. METHODS/OVERVIEW: Nine participants living with SCI/D used PUT over two weeks. Individual semi-structured interviews were conducted to explore the participants' perceptions regarding the utility, aesthetics and ease of use of PUT and suggested modifications. A conventional content analysis was used to identify themes and categories from the data. RESULTS: User-experiences with PUT fell into four themes: (1) Strengths and weakness; (2) Target population; (3) Key concepts and messages; and (4) Recommendations for improvement. CONCLUSIONS: PUT serves as a review of previously acquired PI knowledge and should be introduced early in rehabilitation to motivate users to prevent PIs. Future studies exploring healthcare professionals' perspectives of PUT are warranted.Implications for rehabilitationPUT aids individuals living with SCI/D in the community to review PI prevention and management strategies that they learned as inpatients.The use of pictures to deliver patient education regarding PI prevention and management through a mHealth app is recommended.PUT should be introduced early in rehabilitation to motivate users to prevent PIs.
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 | 0,011 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».