MétaCan
Menu
Retour à la cohorte
Enregistrement W3127226320 · doi:10.1136/bmjinnov-2020-000498

Use of symptom checkers for COVID-19-related symptoms among university students: a qualitative study

2021· article· en· W3127226320 sur OpenAlexaffabout
Stéphanie Aboueid, Samantha B. Meyer, James R. Wallace, Shreya Mahajan, Teeyaa Nur, Ashok Chaurasia

Notice bibliographique

RevueBMJ Innovations · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)PsychologyQualitative researchMedicineVirologyInternal medicineSociologyDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Symptom checkers are potentially beneficial tools during pandemics. To increase the use of the platform, perspectives of end users must be gathered. Our objectives were to understand the perspectives and experiences of young adults related to the use of symptom checkers for assessing COVID-19-related symptoms and to identify areas for improvement. METHODS: We conducted semistructured qualitative interviews with 22 young adults (18-34 years of age) at a university in Ontario, Canada. Interviews were audio-recorded, transcribed, and analysed using inductive thematic analysis. RESULTS: We identified six main themes related to the decision of using a symptom checker for COVID-19 symptoms: (1) presence of symptoms or a combination of symptoms, (2) knowledge about COVID-19 symptoms, (3) fear of seeking in-person healthcare services, (4) awareness about symptom checkers, (5) paranoia and (6) curiosity. Participants who used symptom checkers shared by governmental entities reported an overall positive experience. Individuals who used non-credible sources reported suboptimal experiences due to lack of perceived credibility. Five main areas for improvement were identified: (1) information about the creators of the platform, (2) explanation of symptoms, (3) personalised experience, (4) language options, and (5) option to get tested. CONCLUSIONS: This study suggests an increased acceptance of symptom checkers due to the perceived risks of infection associated with seeking in-person healthcare services. Symptom checkers have the potential to reduce the burden on healthcare systems and health professionals, especially during pandemics; however, these platforms could be improved to increase use.

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)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0060,005
Communication savante0,0030,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,150
Tête enseignante GPT0,506
Écart entre enseignants0,356 · 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'étudeQualitatif
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

Citations20
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMJ InnovationsMême sujetDigital Mental Health InterventionsTravaux en français237 207