Technology Acceptance of a Mobile Application to Support Family Caregivers in a Long-Term Care Facility
Notice bibliographique
Résumé
Abstract Background Family caregivers are unpaid individuals who provide care to people with chronic conditions or disabilities. Family caregivers generally do not have formal care-related training. However, they are an essential source of care. Mobile technologies can benefit family caregivers by strengthening communication with care staff and supporting the monitoring of care recipients. Objective We conducted a mixed-method study to evaluate the acceptance and usability of a mobile technology called the Smart Care System. Methods Using convenience sampling, we recruited 27 family caregivers to evaluate the mobile Smart Care System (mSCS). In the quantitative phase, we administered initial and exit questionnaires based on the Unified Theory of Acceptance and Use of Technology. In the qualitative phase, we conducted focus groups to explore family caregivers' perspectives and opinions on the usability of the mSCS. With the quantitative data, we employed univariate, bivariate, and partial least squares analyses, and we used content analysis with the qualitative data. Results We observed a high level of comfort using digital technologies among participants. On average, participants were caregivers for an average of 6.08 years (standard deviation [SD] = 6.63), and their mean age was 56.65 years (SD = 11.62). We observed a high level of technology acceptance among family caregivers (7.69, SD = 2.11). Behavioral intention (β = 0.509, p-value = 0.004) and facilitating conditions (β = 0.310, p-value = 0.049) were statistically significant and related to usage behavior. In terms of qualitative results, participants reported that the mobile application supported care coordination and communication with staff and provided peace of mind to family caregivers. Conclusion The technology showed high technology acceptance and intention to use among family caregivers in a long-term care setting. Facilitating conditions influenced acceptance. Therefore, it would be important to identify and optimize these conditions to ensure technology uptake.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».