A digital self-care intervention for Ugandan patients with heart failure and their clinicians: User-centred design and usability study
Notice bibliographique
Résumé
Background The prevalence of heart failure (HF) is increasing in Uganda. Ugandan patients with HF report receiving limited information about their illness and associated self-care behaviours. Interventions targeted at improving HF self-care have been shown to improve patient quality of life and reduce hospitalizations in high-income countries. However, such interventions remain underutilized in resource-limited settings like Uganda. This study aimed to develop a digital health intervention that enables improved self-care amongst HF patients in Uganda. Methods We implemented a user-centred design (UCD) process to develop a self-care intervention entitled Medly Uganda. The ideation phase comprised a scoping review and preliminary data collection amongst HF patients and clinicians in Uganda. An iterative design process was then used to advance an initial prototype into a functional digital health intervention. The evaluation phase involved usability testing of the intervention amongst Ugandan patients with HF and their clinicians. Results Medly Uganda is a digital health intervention that allows patients to report daily HF symptoms, receive tailored treatment advice and connect with a clinician when showing signs of decompensation. The system harnesses Unstructured Supplementary Service Data (USSD) technology that is already widely used in Uganda for mobile phone-based financial transactions. Usability testing showed Medly Uganda to be both acceptable and feasible amongst clinicians, patients and caregivers. Conclusions Medly Uganda is a functional digital health intervention with demonstrated acceptability and feasibility in enabling Ugandan HF patients to better care for themselves. We are hopeful that the system will improve self-care efficacy amongst HF patients in Uganda.
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 | 0,031 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| 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) | 0,004 | 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 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 ».