Factors That Influence the Use of Electronic Diaries in Health Care: Scoping Review
Notice bibliographique
Résumé
BACKGROUND: A large number of people suffer from psychosocial or physical problems. Adequate strategies to alleviate needs are scarce or lacking. Symptom variation can offer insights into personal profiles of coping and resilience (detailed functional analyses). Hence, diaries are used to report mood and behavior occurring in daily life. To reduce inaccuracies, biases, and noncompliance with paper diaries, a shift to electronic diaries has occurred. Although these diaries are increasingly used in health care, information is lacking about what determines their use. OBJECTIVE: The aim of this study was to map the existing empirical knowledge and gaps concerning factors that influence the use of electronic diaries, defined as repeated recording of psychosocial or physical data lasting at least one week using a smartphone or a computer, in health care. METHODS: A scoping review of the literature published between January 2000 and December 2018 was conducted using queries in PubMed and PsycInfo databases. English or Dutch publications based on empirical data about factors that influence the use of electronic diaries for psychosocial or physical purposes in health care were included. Both databases were screened, and findings were summarized using a directed content analysis organized by the Consolidated Framework for Implementation Research (CFIR). RESULTS: Out of 3170 articles, 22 studies were selected for qualitative synthesis. Eleven themes were determined in the CFIR categories of intervention, user characteristics, and process. No information was found for the CFIR categories inner (eg, organizational resources, innovation climate) and outer (eg, external policies and incentives, pressure from competitors) settings. Reminders, attractive designs, tailored and clear data visualizations (intervention), smartphone experience, and intrinsic motivation to change behavior (user characteristics) could influence the use of electronic diaries. During the implementation process, attention should be paid to both theoretical and practical training. CONCLUSIONS: Design aspects, user characteristics, and training and instructions determine the use of electronic diaries in health care. It is remarkable that there were no empirical data about factors related to embedding electronic diaries in daily clinical practice. More research is needed to better understand influencing factors for optimal electronic diary 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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,045 | 0,190 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,026 | 0,036 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».