Integrating Human-Centered Design Methods Into a Health Promotion Project: Supplemental Nutrition Assistance Program Education Case Study for Intervention Design
Notice bibliographique
Résumé
BACKGROUND: Human-centered design, or design thinking, offers an extensive toolkit of methods and strategies for user-centered engagement that lends itself well to intervention development and implementation. These methods can be applied to the fields of public health and medicine to design interventions that may be more feasible and viable in real-world contexts than those developed with different methods. OBJECTIVE: The design team aimed to develop approaches to building food skills among caregivers of children aged 0-5 years who are eligible for a federal food assistance program while they were in the grocery store. METHODS: They applied 3 specific human-centered design methods-Extremes and Mainstreams, Journey Mapping, and Co-Creation Sessions-to collaboratively develop intervention approaches to enhance Supplemental Nutrition Assistance Program Education (SNAP-Ed) reach and impact across food retail settings. Extremes and Mainstreams is a specific kind of purposive sampling that selects individuals based on characteristics beyond demographics. Journey Mapping is a visual tool that asks individuals to identify key moments and decision points during an experience. Co-Creation Sessions are choreographed opportunities for individuals to explicitly contribute to the design of a solution alongside research or design team members. RESULTS: Ten caregivers with diverse lived experiences were selected to participate in remote design thinking workshops and create individual journey maps to depict their grocery store experiences. Common happy points and pain points were identified. Nine stakeholders, including caregivers, SNAP-Ed staff, and grocery store dieticians, cocreated 2 potential intervention approaches informed by caregivers' experiences and needs: a rewards program and a meal box option. CONCLUSIONS: These 3 human-centered design methods led to a meaningful co-design process where proposed interventions aligned with caregivers' wants and needs. This case study provides other public health practitioners with specific examples of how to use these methods in program development and stakeholder engagement as well as lessons learned when adapting these methods to remote settings.
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 | 0,042 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,005 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».