Older Wheelchair Users Recommend Age-Friendly Design Improvements to a Wheelchair Maintenance App: Mixed Methods Development Study
Notice bibliographique
Résumé
BACKGROUND: Wheelchair part failures have doubled over the past decade. Preventative wheelchair maintenance reduces wheelchair failures and prevents user consequences. We are developing a smartphone app called WheelTrak, which alerts users when maintenance is required, to encourage maintenance practices and compliance. OBJECTIVE: This mixed methods study aimed to develop a wheelchair maintenance app using broad stakeholder advice and investigate older adults' interaction experience with the app and their perceived barriers to and facilitators of maintenance. METHODS: Interviews were conducted with stakeholders, including mobility device users, to generate needs statements and app specifications. The app was designed in 2 stages. Stage 1 involved the development of the app according to the specifications and evaluation of the app interface by lead users. Stage 2 included the revision of the app screens and manual functionality testing. Usability testing and semistructured interviews were conducted with older wheelchair and scooter users. The System Usability Scale was used to measure app usability. RESULTS: Interviews with power and manual wheelchair users (37/57, 65%), wheelchair service providers (15/57, 26%), manufacturers (2/57, 4%), seating and mobility researchers (1/57, 2%), and insurance plan providers (2/57, 4%) informed the needs and specifications of the app technology. The 2-stage development process delivered a fully functional app that met the design specifications. In total, 12 older adults (mean age 74.2, SD 9.1 years; n=10, 83% women; and n=2, 17% men) participated in the usability testing study. Of the 12 participants, 9 (75%) agreed to use WheelTrak for preventative maintenance. WheelTrak scored an average System Usability Scale score of 60.25 (SD 16). Four overarching themes were identified: WheelTrak app improvements, barriers to maintenance, consequences related to mobility device failure, and smart technology use and acceptance. Older adults preferred the simplicity, readability, personalization, and availability of educational resources in the app. Barriers to maintenance pertained to health issues and lack of maintenance knowledge among older adults. Facilitators of maintenance included notification for maintenance, app connectivity with the service provider, reporting of device failure, and the presence of a caregiver for maintenance. CONCLUSIONS: This study highlighted age-friendly design improvements to the app, making it easy to be used and adopted by older wheelchair users. The WheelTrak app has close to average system usability. Additional usability testing will be conducted following app revision in the future.
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 | 0,023 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| 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 | 0,001 |
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 ».