MétaCan
Menu
Retour à la cohorte
Enregistrement W3110856919 · doi:10.1093/geroni/igaa057.877

Initial Translation of a Dementia Caregiver Intervention Into a Mobile Health Application

2020· article· en· W3110856919 sur OpenAlexaff
Taylor Maynard, Travis Frink, Kunal Mankodiya, Jennifer C. Davis, Brian R. Ott, Lisa A. Uebelacker, Geoffrey Tremont

Notice bibliographique

RevueInnovation in Aging · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensUniversity of British Columbia, Okanagan CampusKelowna General HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionPsychoeducationDementiamHealthPsychologyIntervention (counseling)TroubleshootingMobile technologyMedical educationTelehealthApplied psychologyInternet privacyHealth careNursingComputer scienceMedicineMobile deviceTelemedicineWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Abstract Caring for a person with dementia is associated with negative outcomes. Few caregiver interventions have been implemented in community settings. Mobile technology is one method for reaching many caregivers. This project translated two empirically-supported interventions for dementia caregivers into a mobile health application. A team of clinical researchers and computer engineers developed an App called CARE-Well (Caregiver Assessment, Resources, and Education) over 6 months. The group worked closely to do the following: 1). translate interventional content to be compatible with a mobile platform; 2). create new materials; 3). determine App components that captured key intervention areas; 4). troubleshoot formatting, technology, and data security; and 5). educate each other about respective areas of expertise. We developed a beta version of the App that included: 1). assessment of caregiver stress and care recipient behavioral problems; 2). psychoeducation; 3). goal diary; 4). managing behavior problems; 5). online message forum; and 6). video library. Several challenges arose during the App development process, such as how to create navigation paths and goal lists based off users’ assessment responses, data storage and usage tracking, enlarging text, and how to ensure privacy and confidentiality in the online message forum. Our experience developing the CARE-Well App showed that translating behavioral interventions into mobile health applications is feasible and dependent upon regular communication among multidisciplinary team members. Next steps for the App include beta testing with dementia caregivers and conducting a pilot randomized trial to determine feasibility for a future trial and its effects on caregiver stress.

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)0,010
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,040
Tête enseignante GPT0,393
Écart entre enseignants0,353 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in AgingMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207