Assessing the Views and Needs of People at High Risk of Gestational Diabetes Mellitus for the Development of Mobile Health Apps: Descriptive Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Early prevention of gestational diabetes mellitus (GDM) can reduce the incidence of not only GDM, but also adverse perinatal pregnancy outcomes. Moreover, it is of great significance to prevent or reduce the occurrence of type 2 diabetes. Mobile health (mHealth) apps can help pregnant women effectively prevent GDM by providing risk prediction, lifestyle support, peer support, professional support, and other functions. Before designing mHealth apps, developers must understand the views and needs of pregnant women, and closely combine users' needs to develop app functions, in order to better improve user experience and increase the usage rate of these apps in the future. OBJECTIVE: The objective of this study was to understand the views of the high-risk population of gestational diabetes mellitus on the development of mobile health apps and the demand for app functions, so as to provide a basis for the development of gestational diabetes mellitus prevention apps. METHODS: Fifteen pregnant women with at least one risk factor for gestational diabetes were recruited from July to September 2021, and were interviewed via a semistructured interview using the purpose sampling method. The transcribed data were analyzed by the traditional content analysis method, and themes were extracted. RESULTS: Respondents wanted to develop user-friendly and fully functional mobile apps for the prevention of gestational diabetes mellitus. Pregnant women's requirements for app function development include: personalized customization, accurate information support, interactive design, practical tool support, visual presentation, convenient professional support, peer support, reasonable reminder function, appropriate maternal and infant auxiliary function, and differentiated incentive function.These function settings can encourage pregnant women to improve or maintain healthy living habits during their use of the app. CONCLUSIONS: This study discusses the functional requirements of target users for gestational diabetes mellitus prevention apps, which can provide reference for the development of future applications.
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| 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 | 0,000 |
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 ».