Patient Engagement in the Design of a Mobile Health App That Supports Enhanced Recovery Protocols for Cardiac Surgery: Development Study
Notice bibliographique
Résumé
BACKGROUND: Despite the importance of their perspectives, end users (eg, patients, caregivers) are not typically engaged by academic researchers in the development of mobile health (mHealth) apps for perioperative cardiac surgery settings. OBJECTIVE: The aim of this study was to describe a process for and the impact of patient engagement in the development of an mHealth app that supports patient and caregiver involvement with enhanced recovery protocols during the perioperative period of cardiac surgery. METHODS: Engagement occurred at the level of consultation and took the form of an advisory panel. Patients who underwent cardiac surgery (2017-2018) at St. Boniface Hospital (Winnipeg, Manitoba) and their caregivers were approached for participation. A qualitative exploration determined the impact of patient engagement on the development (ie, design and content) of the mHealth app. This included a description of (1) the key messages generated by the advisory panel, (2) how key messages were incorporated into the development of the mHealth app, and (3) feedback from the developers of the mHealth app about the key messages generated by the advisory panel. RESULTS: The advisory panel (N=10) generated 23 key messages to guide the development of the mHealth app. Key design-specific messages (n=7) centered around access, tracking, synchronization, and reminders. Key content-specific messages (n=16) centered around medical terms, professional roles, cardiac surgery procedures and recovery, educational videos, travel, nutrition, medications, resources, and physical activity. This information was directly incorporated into the design of the mHealth app as long as it was supported by the existing functionalities of the underlying platform. For example, the platform did not support the scheduling of reminders by users, identifying drug interactions, or synchronizing with other devices. The developers of the mHealth app noted that key messages resulted in the integration of a vast range and volume of information and resources instead of ones primarily focused on surgical information, content geared toward expectations management, and an expanded focus to include caregivers and other family members, so that these stakeholders may be directly included in the provision of information, allowing them to be better informed, prepare along with the patient, and be involved in recovery planning. CONCLUSIONS: Patient engagement may facilitate the development of a detail-oriented and patient-centered mHealth app whose design and content are driven by the lived experiences of end users.
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 | 0,022 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».