MétaCan
Menu
Retour à la cohorte
Enregistrement W3213674410 · doi:10.2196/31570

A Serious Puzzle Game to Enhance Adherence to Antirheumatic Drugs in Patients With Rheumatoid Arthritis: Systematic Development Using Intervention Mapping

2021· article· en· W3213674410 sur OpenAlexvenueno aff
Bart Pouls, Charlotte L. Bekker, Sandra van Dulmen, Johanna E Vriezekolk, Bart J. F. van den Bemt

Notice bibliographique

RevueJMIR Serious Games · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueRheumatoid Arthritis Research and Therapies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIntervention (counseling)Competence (human resources)MedicineRheumatoid arthritisRandomized controlled trialPsychologyPhysical therapyApplied psychologySocial psychologyNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Patients' implicit attitudes toward medication need and concerns may influence their adherence. Targeting these implicit attitudes by combining game-entertainment with medication-related triggers might improve medication adherence in patients with rheumatoid arthritis (RA). OBJECTIVE: The aim of this study was to describe the systematic development of a serious game to enhance adherence to antirheumatic drugs by using intervention mapping. METHODS: A serious game was developed using the intervention mapping framework guided by a multidisciplinary expert group, which proceeded along 6 steps: (1) exploring the problem by assessing the relationship between medication adherence and implicit attitudes, (2) defining change objectives, (3) selecting evidence-based behavior change techniques that focused on adjusting implicit attitudes, (4) designing the intervention, (5) guaranteeing implementation by focusing on intrinsic motivation, and (6) planning a scientific evaluation. RESULTS: Based on the problem assessment and guided by the Dual-Attitude Model, implicit negative and illness-related attitudes of patients with RA were defined as the main target for the intervention. Consequently, the change objective was "after the intervention, participants have a more positive attitude toward antirheumatic drugs." Attention bias modification, evaluative conditioning, and goal priming were the techniques chosen to implicitly target medication needs. These techniques were redesigned into medication-related triggers and built in the serious puzzle game. Thirty-seven patients with RA tested the game at several stages. Intrinsic motivation was led by the self-determination theory and addressed the 3 needs, that is, competence, autonomy, and relatedness. The intervention will be evaluated in a randomized clinical trial that assesses the effect of playing the serious game on antirheumatic drug adherence. CONCLUSIONS: We systematically developed a serious game app to enhance adherence to antirheumatic drugs among patients with RA by using the intervention mapping framework. This paper could serve as a guideline for other health care providers when developing similar interventions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,613
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,011
Tête enseignante GPT0,284
Écart entre enseignants0,273 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Serious GamesMême sujetRheumatoid Arthritis Research and TherapiesTravaux en français237 207