MétaCan
Menu
Retour à la cohorte
Enregistrement W3161834911 · doi:10.2196/27447

Designing an Indoor Air Quality Monitoring App for Asthma Management in Children: User-Centered Design Approach

2021· article· en· W3161834911 sur OpenAlexvenueno aff
Sunyoung Kim, Yunoh Park, Matthew Ackerman

Notice bibliographique

RevueJMIR Formative Research · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueIndoor Air Quality and Microbial Exposure
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndoor air qualityAsthmaMobile appsAir quality indexQuality (philosophy)Computer scienceMultimediaMedicineEngineeringWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Indoor air pollution is a well-known risk factor that triggers and exacerbates asthma, the most common pediatric chronic disease. Using a mobile app to monitor indoor air quality could be promising in engaging children in keeping their indoor air quality clean and healthy as secondary environmental prevention for asthma management. However, no app is available to allow children to monitor, assess, and improve their indoor air quality. OBJECTIVE: This study aims to design a mobile app that encourages children to monitor indoor air quality and track their asthma conditions through a user-centered, iterative design approach. METHODS: We reviewed existing apps for indoor air quality monitoring or asthma management for children and conducted two sets of semistructured interviews with 12 children with asthma. We then iteratively created prototypes and evaluated and revised them. RESULTS: Participants raised a series of outstanding questions on the prototype features and content that described their needs and perspectives, which informed the final designs. Following the identified requirements and recommendations, we developed two versions of the app: AirBuddy for presenting concrete information for indoor air quality and AirPet for gamifying the practice of monitoring indoor air quality. CONCLUSIONS: By following an iterative, user-centered design process, we developed two versions of an app to encourage children with asthma to monitor indoor air quality and track their asthma condition. The user-centered design approach revealed two crucial aspects that require deeper consideration when creating a child-friendly app, including balancing brevity and expressivity and considering the longitudinal effects of gamification. As a next step, we plan to conduct a longitudinal deployment study to evaluate the real-world effects of our apps.

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)0,013
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,098
Tête enseignante GPT0,387
Écart entre enseignants0,289 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetIndoor Air Quality and Microbial ExposureTravaux en français237 207