The Heart Game: A New Tool for Digital Patient Education for Patients With Heart Failure
Notice bibliographique
Résumé
Background The COVID-19 pandemic has shown the need for new ways to perform remote patient education. Patients with heart failure are associated with a high readmission rate. Rehabilitation can prevent hospital readmissions, but there is poor participation in rehabilitation of patients with heart failure. Based on user-driven innovation in the Future Patient research project, we have developed the prototype of the digital Heart Game. The Heart Game is a new approach to digital patient education, where patients can access a digital board game via an app; through the board game, they can be presented with quizzes, activities, and reflection questions, all related to heart failure. Objective The objective of our study was to assess the usability of the Heart Game prototype app. Methods A total of 6 patients with heart failure were recruited. Think-aloud test, where participants were observed during play and sound and iPad screens were recorded, was conducted, followed by a questionnaire immediately after playing. Finally, an interview (n=6) was carried out. Qualitative data were analyzed in NVivo software (version 12.0). Results In total, 6 patients with heart failure (83% male; mean age 66 years) participated in the think-aloud tests. One participant did not complete the game. The game duration was from 9 minutes and 14 seconds to 16 minutes and 13 seconds. Findings from the think-aloud tests were shown in themes: digital games are a new world; practice makes perfect; the Heart Game is illogical; tasks are not generalizable, in understandable formulations, or entertaining; and the Heart Game is relevant, fun, and entertaining to play. Conclusions The usability of the Heart Game shows opportunities for digital patient education. However, there are some challenges in the prototype with illogical game structures in the board game. Further test and development of the prototype needs to be performed.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».