MétaCan
Menu
Retour à la cohorte
Enregistrement W4281655858 · doi:10.2196/38424

Evaluation of a Digital Self-management Platform for Patients With Chronic Illness in Primary Care: Qualitative Study of Stakeholders’ Perspectives

2022· article· en· W4281655858 sur OpenAlexvenueno aff
Steven van de Vijver, Deirdre Hummel, Annericht Hester van Dijk, Jan Cox, Oscar van Dijk, Nicoline Van den Broek, Esther Metting

Notice bibliographique

RevueJMIR Formative Research · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUsabilityQualitative researchNursingMedicinePopulationPerceptionContent analysisFamily medicinePsychologyMedical educationComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Population aging and multimorbidity has led to increasing chronic care needs associated with new challenges in managing growing costs, rising health care professional workloads, and the adoption of rigorous guidelines. These issues could all benefit from greater digitalization and a more patient-centered approach to chronic care, a situation brought to the fore by the COVID-19 pandemic. Little is known about real-life use in primary care. OBJECTIVE: This study aimed to explore the views, thoughts, usability, and experiences concerning a recently introduced digital self-care platform for chronic conditions in 3 Dutch primary care practices. METHODS: We conducted an explorative study combining questionnaires and interviews among patients and general practitioners from 3 general practices that used the digital platform. Questionnaires were sent to patients in each practice to seek the views and experiences of both patient nonusers (n=20) and patient users (n=58) of the platform, together with standardized questionnaires about illness perception and quality of life. In addition, patients (n=15) and general practitioners (n=4) who used the platform took part in semistructured interviews. We transcribed interviews verbatim and performed qualitative content analysis using a deductive approach. The results of the questionnaires were analyzed with descriptive analysis. RESULTS: Among patients who had not actively used the platform but had received an explanation, only 35% (7/20) would recommend its use due to concerns over communication and handling. However, this percentage increased to 76.3% (45/59) among the people who actively used the platform. Interviews with patients and general practitioners who used the platform uncovered several key benefits, including reduced time requirements, reduced workload, improved care quality, and improved accessibility due to the greater patient-centeredness and use of different communication tools. In addition, the self-management tool led to greater patient autonomy and empowerment. Although users considered the platform feasible, usable, and easy to use, some technical issues remained and some patients expressed concerns about the reduction in human contact and feedback. CONCLUSIONS: The overall experience and usability of the platform was good. Support for the online self-management platform for chronic care increased when patients actively used the tool and could experience or identify important advantages. However, patients still noted several areas for improvement that need to be tackled in future iterations. To ensure benefit in the wider population, we must also evaluate this platform in cohorts with lower digital and health literacy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,180
Tête enseignante GPT0,528
Écart entre enseignants0,349 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207