A Text Messaging Intervention to Support Latinx Family Caregivers of Individuals With Dementia (CuidaTEXT): Development and Usability Study
Notice bibliographique
Résumé
BACKGROUND: Latinx family caregivers of individuals with dementia face many barriers to caregiver support access. Interventions to alleviate these barriers are urgently needed. OBJECTIVE: This study aimed to describe the development of CuidaTEXT, a tailored SMS text messaging intervention to support Latinx family caregivers of individuals with dementia. METHODS: CuidaTEXT is informed by the stress process framework and social cognitive theory. We developed and refined CuidaTEXT using a mixed methods approach that included thematic analysis and descriptive statistics. We followed 6 user-centered design stages, namely, the selection of design principles, software vendor collaboration, evidence-based foundation, caregiver and research and clinical advisory board guidance, sketching and prototyping, and usability testing of the prototype of CuidaTEXT among 5 Latinx caregivers. RESULTS: CuidaTEXT is a bilingual 6-month-long SMS text messaging-based intervention tailored to caregiver needs that includes 1-3 daily automatic messages (n=244) about logistics, dementia education, self-care, social support, end of life, care of the person with dementia, behavioral symptoms, and problem-solving strategies; 783 keyword-driven text messages for further help with the aforementioned topics; live chat interaction with a coach for further help; and a 19-page reference booklet summarizing the purpose and functions of the intervention. The 5 Latinx caregivers who used the prototype of CuidaTEXT scored an average of 97 out of 100 on the System Usability Scale. CONCLUSIONS: CuidaTEXT's prototype demonstrated high usability among Latinx caregivers. CuidaTEXT's feasibility is ready to be tested.
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 | 0,001 | 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) | 0,001 | 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 ».