Stakeholder Feedback of Electronic Medication Adherence Products: Qualitative Analysis
Notice bibliographique
Résumé
BACKGROUND: Medication management among older adults continues to be a challenge, and innovative electronic medication adherence products have been developed to address this need. OBJECTIVE: The aim of this study is to examine user experience with electronic medication adherence products, with particular emphasis on features, usefulness, and preferences. METHODS: Older adults, caregivers, and health care providers tested the usability of 22 electronic medication adherence products. After testing 5 products, participants were invited to participate in a one-on-one interview to investigate their perceptions and experiences with the features, usefulness, and preference for electronic medication adherence products tested. The interviews were audio recorded, transcribed, and analyzed using exploratory inductive coding to generate themes. The first 13 interviews were independently coded by 2 researchers. The percentage agreement and Cohen kappa after analyzing those interviews were 79% and 0.79, respectively. A single researcher analyzed the remaining interviews. RESULTS: Of the 37 participants, 21 (57%) were older adults, 5 (14%) were caregivers, and 11 (30%) were health care providers. The themes and subthemes generated from the qualitative analysis included product factors (subthemes: simplicity and product features, including availability and usability of alarms, portability, restricted access to medications, and storage capacity) and user factors (subthemes: sentiment, affordability, physical and cognitive capability, and technology literacy and learnability). CONCLUSIONS: Electronic medication adherence products have the potential to enable independent medication management in older adults. The choice of a particular product should be made after considering individual preferences for product features, affordability, and the sentiment of the users. Older adults, caregivers, and health care providers prefer electronic medication adherence products that are simple to set up and use, are portable, have easy-to-access medication compartments, are secure, and have adequate storage capacity.
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 | 0,008 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».