Using codesign to develop a mobile application for pelvic floor muscle training with an intravaginal device (femfit®)
Notice bibliographique
Résumé
AIMS: The aim of this project was to use codesign to develop a mobile application (app) for pelvic floor muscle training, with an intravaginal device (femfit®). The objective was to obtain user feedback to guide the design and development of a mobile app, consistent with the Mobile Application Rating Scale (MARS) framework. METHODS: Twenty-six women (22-62 years) provided mobile app feedback using a Design Thinking framework and grounded theory approach. Four focus groups (2 h each) and two sets of one-to-one interviews (1 h each) were held from May 2018 to October 2019. The researchers debriefed the focus groups and interviews, and undertook analysis based on project objectives and key questions. RESULTS: Recurring themes throughout the study aligned with sections of the MARS: (A) engagement (e.g., progress tracking), (B) functionality (e.g., intuitive interface), (C) aesthetics (e.g., smart graphics and colors), (D) information (e.g., clear, concise information). An internal preliminary assessment determined a MARS Quality Mean Score of 4.1 of 5 (engagement: 3.6 of 5; functionality: 4 of 5; aesthetics: 4.3 of 5: information: 4.4 of 5). CONCLUSIONS: The development of the mobile app is on track to meet MARS requirements, and to be a fun, motivating app for women. Future work is required to investigate its efficacy.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».