Digital Health for Vulnerable Populations: From Co-design to Scaling and Replication
Notice bibliographique
Résumé
Background The COVID-19 pandemic has made it clear that technology access, digital literacy, and telehealth access have become more crucial than ever before. At the Center for Information Technology Research in the Interest of Society (CITRIS) at the University of California, 2 projects are focused on communities have the least access to quality health care services, including low-income workers in rural areas as well as low-income older adults in their community. Objective Co-designed technology innovation is a core competency of CITRIS Health. This presentation will focus on 2 of CITRIS Health’s co-designed signature programs: ACTIVATE and Lighthouse. Co-designed innovations have the intended outcomes of improving access to technology, increasing technology literacy, and ultimately improving health outcomes. Methods Co-design refers to a participatory approach to designing solutions, in which community members are treated as equal collaborators in the design process—they give feedback, and they try out devices. It is part of an innovation process. Key components of a co-design process involve the following: intentionally involving users in designing solutions, postponing design decisions until after gathering feedback, synthesizing feedback from participants into insights, and developing solutions based on feedback. Results Both projects have undergone formal evaluations to assess the process of implementation as well as outcomes. Additionally, each project has a systematic process for monitoring its own implementation and key metrics. Common near-term outcomes include positive feedback from co-designers about the inclusivity of the design progress and optimism that technology selections, training, and interventions will lead to the intended outcomes. Conclusions Ultimately, the intention of these co-designed innovations is to create models that are feasible and sustainable. They will provide a roadmap for both public and private partners, setting a gold standard in California and across the nation.
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 | 0,302 | 0,378 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,016 |
| Communication savante | 0,013 | 0,013 |
| Science ouverte | 0,006 | 0,018 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».