Designing User-Centered Mobile Health Initiatives to Promote Healthy Behaviors for Children With Disabilities: Development and Usability Study (Preprint)
Notice bibliographique
Résumé
BACKGROUND The gap between research and its practical application in community settings limits its impact on public health. Closing this gap has the potential to improve the well-being of underserved groups, such as children with disabilities. Mobile health has the potential to improve access to community resources and support for underserved populations, thereby encouraging improved health behaviors. OBJECTIVE In this feasibility pilot study, we describe the development of the mobile app Jooay. Jooay was developed in partnership with stakeholders to facilitate access to leisure and physical activity community programs for children and youth with disabilities. We also reflect on the lessons learned throughout the implementation process that are relevant for improving the health behaviors of children with disabilities. METHODS We used a participatory action research approach to develop the app. We also administered a survey to current Jooay users and analyzed various app usage indicators to explore use patterns, user feedback, and preferences. Finally, we critically appraised the implementation process through a best practices for implementation research framework. RESULTS We developed a product that responds to users’ identified need to find information and follows accessibility and user-centered design standards. The analysis of usage data revealed that access to the Jooay app is concentrated in urban areas. Perceptions, attitudes, and information needs varied according to the type of user. The use of the mobile app changed over time, and usage decreased after the app was downloaded, indicating a need for the sustained engagement of app users. Users found value in the ability to identify activities that they would not otherwise know about. However, app use alone was not sufficient to improve participation. Although the app was developed based on users’ active input in multiple iterations, we encountered challenges with survey recruitment and attrition, suggesting the need for more seamless and engaging means for collecting data within this population. CONCLUSIONS Interactions between users and the app can sustain user engagement and behavior change. We will improve the app’s next iterations by using the information gained from this study to conduct a larger study to assess the relationship among social and material deprivation, urban design, and access to inclusive and adaptive leisure programs. This study will inform the improvement of app listings to improve the use of Jooay by different user groups and promote health through mobile apps for marginalized groups.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Expérimental (laboratoire) | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Méthodes Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | low |
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 | 0,019 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».