Mobile Apps to Support Family Caregivers of People With Alzheimer Disease and Related Dementias in Managing Disruptive Behaviors: Qualitative Study With Users Embedded in a Scoping Review
Notice bibliographique
Résumé
BACKGROUND: People with Alzheimer disease and related dementias often display disruptive behaviors (eg, aggression, wandering, and restlessness), which increase family caregivers' burden of care. However, there are few tools currently available to help these caregivers manage disruptive behaviors. Mobile apps could meet this need, but to date little is known about them. OBJECTIVE: The aims of our study were to identify existing mobile apps designed to support family caregivers of people with Alzheimer disease and related dementias in managing disruptive behaviors; explore whether family caregivers view these mobile apps as relevant to meeting their needs and as useful in managing disruptive behaviors; and document the types of mobile apps that are of interest and appeal to most family caregivers (with regard to format, ergonomics, and clarity). METHODS: A review of mobile apps initially conducted in February 2018 was updated in March 2019 with 2 platforms (App Store [Apple Inc.] and Google Play [Google]). The selected apps were first analyzed independently by 3 raters (2 students and 1 researcher) for each of the platforms. A focus group discussion was then held with 4 family caregivers to explore their perceptions of the apps according to their needs and interests. The content of the discussion was analyzed. RESULTS: Initially, 7 of 118 apps identified met the inclusion criteria. An eighth app, recommended by one of the knowledge users, was added later. Four family caregivers (women aged between 58 and 78 years) participated in the discussion. Participants expressed a preference for easy-to-understand apps that provide concrete intervention strategies. They reported being most inclined to use two apps, Dementia Advisor and DTA Behaviours. CONCLUSIONS: Few mobile apps on the market meet the needs of family caregivers in terms of content and usability. Our results could help to address this gap by identifying what family caregivers deem relevant in a mobile app to help them manage disruptive behaviors.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».