Peer Review of “A Physical Activity Mobile Game for Hematopoietic Stem Cell Transplant Patients: App Design, Development, and Evaluation”
Notice bibliographique
Résumé
1. This was a novel and interesting manuscript [1] on the development and user evaluation of a walking app for hematopoietic stem cell transplant (HSCT) patients. The main comment is that clarity on who comprised the usability samples (survey respondents, initial usability testers, additional usability evaluators), and who specifically the target sample for the game is (HSCT patients can be fairly diverse), would enhance the paper. 2 . In general, the conducted and planned usability testing seemed heavy on the expert testing and light in terms of planned testing with patients. In addition, the focus appeared to be very much on usability testing, without much acknowledgment that there would be a need in the future to test the impact on walking behavior. 3 . While there is no doubt that expert usability testing is important, and it is nice to see clear descriptions of the early development processes, it does not seem sufficient to then do a short usability test with patients and release the app to the public. 4 . It would be good to acknowledge that rigorous evaluation (including feasibility, acceptability, and measured impact on walking) would be required prior to release. I am sure that this is planned and has been considered, but perhaps a flowchart or figure/table outlining each of the development steps, the samples involved in these steps, and details on a trial exploring the impact on walking within the target sample might bring clarity.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».