Deprescribing Guidelines: Value of an Interactive Mobile Application
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
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle