Web-Based Co-design in Health Care: Considerations for Renewed Participation
Notice bibliographique
Résumé
The COVID-19 pandemic has shifted the work environment to a new reality of remote work and virtual collaboration. This shift has occurred in various work settings with an impact on spaces, approaches, applied techniques, and tools. This has resulted in the broad use of virtual tools in the health care sector to avoid physical encounters and in-person interactions that will likely outlast the COVID-19 pandemic. Developing effective virtual approaches requires the knowledge and skills of using digital technologies collaboratively combined with a deep understanding of the context or contexts in which these approaches may be used. The implementation of virtual health design methods, including web-based co-design, has increased to meet the realities of COVID-19 restrictions and is likely to outlast them. Adapting the use of co-design methodologies to a virtual configuration requires rethinking methods of collaboration and communication, adapting to virtual environments, and creating new methods of engagement and facilitation. With this viewpoint, we reviewed the current work on co-design (in person and web based) to propose techniques for the design, planning, and implementation of web-based co-design. We propose 7 considerations that may enable web-based co-design projects in the health care sector. The key considerations that affect the success of a web-based co-design approach should be considered in the process of planning, developing, and conducting web-based co-design sessions. These include facilitation, collaboration, accessibility and equity, communication, sensemaking, tangible tools and games, and web-based research ethics. We illustrate this work with a case study of co-design for an emergency department discharge tool developed during the pandemic.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».