Interaction Empowerment in Mobile Health: Concepts, Challenges, and Perspectives
Notice bibliographique
Résumé
In its most trending interpretation, empowerment in health care is implemented as a patient-centered approach. In the same sense, many mobile health (mHealth) apps are being developed with a primary focus on the individual user. The integration of mHealth apps into the health care system has the potential to counteract existing challenges, including incomplete or nonstandardized medical data and lack of communication, especially in the intersectional context (eg, patients, medical forces). However, concerns about data security and privacy, regional differences in regulations, lack of accessibility, and nontransparent apps hinder the successful integration of mHealth into the health care system. One approach to address this is to rethink the interpretation of empowerment. On that basis, we here examine existing approaches of individual empowerment and subsequently analyze a different view of empowerment in digital health, namely interaction empowerment. Such a change of perspective could positively influence intersectoral communication and facilitate secure data and knowledge sharing. We discuss this novel viewpoint on empowerment, focusing on more efficient integration and development of mHealth approaches. A renewed interpretation of empowerment could thus buffer current limitations of individual empowerment while also advancing digitization of the health system.
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 | 0,011 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,050 |
| Communication savante | 0,013 | 0,018 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».