MétaCan
Menu
Retour à la cohorte
Enregistrement W4297314229 · doi:10.1177/09720634221121363

Empowerment through Mobile Apps: A Mixed Methods Case Study of an Application for Pregnant Women

2022· article· en· W4297314229 sur OpenAlexaff
Gustavo Varela Delgado, Rodrigo Baroni de Carvalho, Chun Wei Choo, Ramon Silva Leite, José Márcio de Castro

Notice bibliographique

RevueJournal of Health Management · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueService and Product Innovation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEmpowermentData collectionPatient EmpowermentQualitative researchInternet privacyMobile appsNursingPsychologyMedicineMedical educationSociologyWorld Wide WebComputer sciencePolitical scienceSocial science

Résumé

récupéré en direct d'OpenAlex

This article analyses the manner in which mobile health applications contribute to the empowerment of patients. The theoretical background included m-health, user empowerment and value co-creation. Quantitative and qualitative methods were used to investigate the representative case study of the Kangaroo application, a free app designed by a health-tech start-up and a reference Brazilian hospital which seeks to make Brazilian women empowered for a healthy pregnancy. The data collection effort comprised application log analysis of 6 months of records of almost one-hundred thousand users, a mobile-based survey with approximately 400 women, and 16 in-depth interviews. The results demonstrated that the app’s social features impacted more than personal features. This research’s results suggested that the perception of patient empowerment is not greater for the active users of the application, so the patient is not related to ‘doing’, but rather to ‘being able to do’. The participation of specialised professionals, who moderate and interact with the app community, is valued by the users and mentioned as a differential among other health information sources available on the Web. This study was approved by the Brazilian Research Ethics Committee.

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)0,006
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,965
Score d'incertitude au seuil0,490

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,046
Tête enseignante GPT0,389
Écart entre enseignants0,342 · 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'étudeAutre devis
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health ManagementMême sujetService and Product InnovationTravaux en français237 207