MétaCan
Menu
Retour à la cohorte
Enregistrement W3090533453 · doi:10.22454/primer.2020.349237

Deprescribing Guidelines: Value of an Interactive Mobile Application

2020· article· en· W3090533453 sur OpenAlexafffund
Barbara Farrell, Roland Grad, Pam Howell, Tammie Quast, Emily Reeve

Notice bibliographique

RevuePRiMER · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensMcGill UniversityDalhousie UniversityNova Scotia Health AuthorityBruyèreUniversity of OttawaUniversity of Waterloo
Organismes subventionnairesCollege of Pharmacy, Dalhousie UniversityFaculty of Medicine, Dalhousie UniversityDalhousie UniversityUniversity of South AustraliaMcGill University
Mots-clésDeprescribingUsabilityGuidelineSummative assessmentAnalyticsMobile deviceChannel (broadcasting)Mobile appsComputer scienceMedical educationMedicinePsychologyWorld Wide WebFormative assessmentPolypharmacyData scienceHuman–computer interactionPedagogy

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: We developed a new channel on a mobile app as a continuing education tool to augment the use of deprescribing guideline content in clinical practice. In this research brief, we describe the reach and adoption of channel content, as well as user feedback. METHODS: Using Google Analytics, we counted page views of the website (deprescribing.org) where the app was promoted. We calculated total app downloads, monthly active users, and guideline-specific page views. Users were invited to complete the embedded Information Assessment Method (IAM) Questionnaire to obtain feedback on the value of information presented on the Deprescribing Channel. RESULTS: Between March 2, 2019 and November 30, 2019, we documented 9,454 page views of the promotional web page across 40 countries. The Deprescribing Channel was downloaded 3,256 times with an average of 464 monthly users. In total, the guidelines on this channel were accessed 14,377 times with 49,721 views across all guideline pages. Thirty-seven IAM questionnaires were completed. Thirty-two responses indicated this deprescribing information was relevant for at least one of their patients. Regarding educational outcomes, 22 responses were of learning something new and/or being motivated to learn more. CONCLUSION: We documented international interest in a mobile app providing continuing education on deprescribing. App users generated sustained page views over the study period. Feedback from a small number of users was positive with the majority finding the content relevant, educational, and applicable to patient care. Further work is needed to improve the usability of the embedded feedback questionnaire and to evaluate its value in supporting learning.

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)0,002
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,101
Tête enseignante GPT0,481
Écart entre enseignants0,380 · 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'étudeObservationnel
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

Citations12
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePRiMERMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207