MétaCan
Menu
Retour à la cohorte
Enregistrement W3173089631 · doi:10.2196/26012

Usability Evaluation of a Tablet-Based Intervention to Prevent Intradialytic Hypotension in Dialysis Patients During In-Clinic Dialysis: Mixed Methods Study

2021· article· en· W3173089631 sur OpenAlexvenueno aff
Matthew Willis, Leah Brand Hein, Zhaoxian Hu, Rajiv Saran, Marissa Argentina, Jennifer L. Bragg‐Gresham, Sarah L. Krein, Brenda W. Gillespie, Kai Zheng, Tiffany C. Veinot

Notice bibliographique

RevueJMIR Human Factors · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensnon disponible
Organismes subventionnairesPatient-Centered Outcomes Research InstituteU.S. Department of Veterans Affairs
Mots-clésUsabilityPsychological interventionMedicineDialysisHemodialysisObservational studyDescriptive statisticsPhysical therapyIntervention (counseling)Medical emergencyEmergency medicineNursingComputer scienceSurgeryInternal medicineHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Patients on hemodialysis receive dialysis thrice weekly for about 4 hours per session. Intradialytic hypotension (IDH)-low blood pressure during hemodialysis-is a serious but common complication of hemodialysis. Although patients on dialysis already participate in their care, activating patients toward IDH prevention may reduce their risk of IDH. Interactive, technology-based interventions hold promise as a platform for patient activation. However, little is known about the usability challenges that patients undergoing hemodialysis may face when using tablet-based informatics interventions, especially while dialyzing. OBJECTIVE: This study aims to test the usability of a patient-facing, tablet-based intervention that includes theory-informed educational modules and motivational interviewing-based mentoring from patient peers via videoconferencing. METHODS: We conducted a cross-sectional, mixed methods usability evaluation of the tablet-based intervention by using think-aloud methods, field notes, and structured observations. These qualitative data were evaluated by trained researchers using a structured data collection instrument to capture objective observational data. We calculated descriptive statistics for the quantitative data and conducted inductive content analysis using the qualitative data. RESULTS: Findings from 14 patients cluster around general constraints such as the use of one arm, dexterity issues, impaired vision, and lack of experience with touch screen devices. Our task-by-task usability results showed that specific sections with the greatest difficulty for users were logging into the intervention (difficulty score: 2.08), interacting with the quizzes (difficulty score: 1.92), goal setting (difficulty score: 2.28), and entering and exiting videoconference rooms (difficulty score: 2.07) that are used to engage with peers during motivational interviewing sessions. CONCLUSIONS: In this paper, we present implications for designing informatics interventions for patients on dialysis and detail resulting changes to be implemented in the next version of this intervention. We frame these implications first through the context of the role the patients' physical body plays when interacting with the intervention and then through the digital considerations for software and interface interaction.

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)0,016
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,053
Tête enseignante GPT0,405
Écart entre enseignants0,353 · 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'étudeObservationnel
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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Human FactorsMême sujetDialysis and Renal Disease ManagementTravaux en français237 207