Development of a Mobile App for Self-Care Against COVID-19 Using the Analysis, Design, Development, Implementation, and Evaluation (ADDIE) Model: Methodological Study
Notice bibliographique
Résumé
BACKGROUND: Mobile apps have been shown to play an important role in the management, care, and prevention of infectious diseases. Thus, skills for self-care-one of the most effective ways to prevent illness-can be improved through mobile health apps. OBJECTIVE: This study aimed to design, develop, and evaluate an educational mobile-based self-care app in order to help the self-prevention of COVID-19 in underdeveloped countries. We intended the app to be easy to use, quick, and inexpensive. METHODS: In 2020 and 2021, we conducted a methodological study. Using the ADDIE (analysis, design, development, implementation, and evaluation) educational model, we developed a self-care management mobile app. According to the ADDIE model, an effective training and performance support tool is built through the 5 phases that comprise its name. There were 27 participants who conducted 2 evaluations of the mobile app's usability and impact using the mobile health app usability and self-care inventory scales. The study design included pre- and posttesting. RESULTS: An Android app called MyShield was developed. The results of pre- and posttests showed that on a scale from 0 to 5, MyShield scored a performance average of 4.17 in the physical health dimension and an average of 3.88 in the mental well-being dimension, thereby showing positive effects on self-care skills. MyShield scored highly on the "interface and satisfaction," "ease of use," and "usefulness" components. CONCLUSIONS: MyShield facilitates learning self-care skills at home, even during quarantine, increasing acquisition of information. Given its low development cost and the ADDIE educational design on which it is based, the app can be helpful in underdeveloped countries. Thus, low-income countries-often lacking other tools-can use the app as an effective tool for fighting COVID-19, if it becomes a standard mobile app recommended by the government.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,033 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».