Effective use of patient-centric health information systems : The influence of patient emotions
Notice bibliographique
Résumé
La présente étude a examiné comment les réponses émotionnelles des patients face à un Portail (c.-à-d. un système de gestion des maladies chroniques centrée sur l’utilisateur et conçu pour aider les patients à autogérer leur maladie) ont influencé l’efficacité avec laquelle ils ont utilisé le Portail. Grâce à l’analyse des entretiens avec 34 patients asthmatiques qui ont utilisé un Portail d’autogestion de l’asthme, la présente étude a identifié six catégories d’émotion que le Portail a suscitées chez les patients ayant participé à l’étude. Bien que les patients qui avaient des émotions négatives envers le Portail l’ont utilisé de façon inefficace, les émotions positives, quant à elles, étaient liées aux utilisations efficaces autant qu’inefficaces, selon la perception que les patients avaient du Portail. Par ailleurs, malgré le fait que les émotions positives étaient toujours associées à une fréquence d’utilisation élevée du Portail, cette utilisation n’était pas toujours efficace car elle n’était pas toujours alignée avec l’objectif d’autogestion de l’asthme. Ces résultats indiquent que les concepteurs et les analystes des systèmes ont besoin de porter plus d’attention aux réponses émotionnelles des patients-utilisateurs, tout en essayant de minimiser l’émergence des émotions négatives en concevant des systèmes qui génèrent chez des patients une expérience et une image de soi positives ainsi qu’une certaine joie, et d’encourager une utilisation efficace de ces systèmes.
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 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| 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 | 0,005 | 0,003 |
| 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 | 0,000 |
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 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 ».