MétaCan
Menu
Retour à la cohorte
Enregistrement W3093070304 · doi:10.23996/fjhw.95231

Designing socially acceptable mHealth technologies for Parkinson's disease self-management

2020· article· en· W3093070304 sur OpenAlexaff
Sylvie Grosjean, Eliza Bate, Tiago Mestre

Notice bibliographique

RevueFinnish Journal of eHealth and eWelfare · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésmHealthContext (archaeology)Self-managementPerspective (graphical)Knowledge managementDisease managementParkinson's diseasePsychologyDiseaseBusinessMedicineComputer scienceNursingPsychological intervention

Résumé

récupéré en direct d'OpenAlex

Mobile health (mHealth) technologies for Parkinson’s disease management have developed quickly in recent years. Research in this area typically focuses on evaluation of the accuracy and reliability of the technology, often to the exclusion of social factors and patient perspectives. This qualitative systematic review aimed to investigate the barriers to and facilitators of use mHealth technologies for disease self-management from the perspective of People with Parkinson's (PwP). Findings revealed that technological, as well as social, and financial factors are key considerations for mHealth design, to ensure its acceptability, and long-term use by PwP. This study proposes that a co-design approach could contribute to the design and development of mHealth that are socially acceptable to PwP, and enable their successful long-term use in the context of daily life.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,762
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,380
Écart entre enseignants0,331 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFinnish Journal of eHealth and eWelfareMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207