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 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 | 0,000 | 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 ».