User-centered design of a longitudinal care plan for children with medical complexity
Notice bibliographique
Résumé
OBJECTIVE: To determine the content priorities and design preferences for a longitudinal care plan (LCP) among caregivers and healthcare providers who care for children with medical complexity (CMC) in acute care settings. MATERIALS AND METHODS: We conducted iterative one-on-one design sessions with CMC caregivers (ie, parents/legal guardians) and providers from 5 groups: complex care, primary care, subspecialists, emergency care, and care coordinators. Audio-recorded sessions included content categorization activities, drawing exercises, and scenario-based testing of an electronic LCP prototype. We applied inductive content analysis of session materials to elicit content priorities and design preferences between sessions. Analysis informed iterative prototype revisions. RESULTS: We conducted 30 design sessions (10 with caregivers, 20 with providers). Caregivers expressed high within-group variability in their content priorities compared to provider groups. Emergency providers had the most unique content priorities among clinicians. We identified 6 key design preferences: a familiar yet customizable layout, a problem-based organization schema, linked content between sections, a table layout for most sections, a balance between unstructured and structured data fields, and use of family-centered terminology. DISCUSSION: Findings from this study will inform enhancements of electronic health record-embedded LCPs and the development of new LCP tools and applications. The design preferences we identified provide a framework for optimizing integration of family and provider content priorities while maintaining a user-tailored experience. CONCLUSION: Health information platforms that incorporate these design preferences into electronic LCPs will help meet the information needs of caregivers and providers caring for CMC in acute care settings.
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 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 | 0,001 | 0,003 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».