Patients’ Experiences Using a Mobile Health App for Self-Care of Heart Failure in a Real-World Setting: Qualitative Analysis
Notice bibliographique
Résumé
BACKGROUND: Publicly available patient-focused mobile health (mHealth) apps are being increasingly integrated into routine heart failure (HF)-related self-care. However, there is a dearth of research on patients' experiences using mHealth apps for self-care in real-world settings. OBJECTIVE: The purpose of this study was to explore patients' experiences using a commercially available mHealth app, OnTrack to Health, for HF self-care in a real-world setting. METHODS: Patient satisfaction, measured with a 5-point Likert scale, and an open-ended survey were used to gather data from 23 patients with HF who were provided the OnTrack to Health app as a part of routine HF management. A content analysis of patients' responses was conducted with the qualitative software Atlas.ti (version 8; ATLAS.ti Scientific Software Development GmbH). RESULTS: Patients (median age 64, IQR 57-71 years; 17/23, 74% male) used OnTrack to Health for a median 164 (IQR 51-640) days before the survey. All patients reported excellent experiences related to app use and would recommend the app to other patients with HF. Five themes emerged from the responses to the open-ended questions: (1) features that enhanced self-care of HF (medication tracker, graphic performance feedback and automated alerts, secured messaging features, and HF self-care education); (2) perceived benefits (provided assurance of safety, improved HF self-care, and decreased hospitalization rates); (3) challenges with using apps for self-care (giving up previous self-care strategies); (4) facilitators (perceived ease of use and availability of technical support); and (5) suggested improvements (streamlining data entry, integration of apps with an electronic medical record, and personalization of app features). CONCLUSIONS: Patients were satisfied with using OnTrack to Health for self-care. They perceived the features of the app as valuable tools for improving self-care ability and decreasing hospitalization rates. The development of apps in collaboration with end users is essential to ensure high-quality patient experiences related to app use for self-care.
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 | 0,017 | 0,029 |
| 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 | 0,004 | 0,005 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».