MétaCan
Menu
Retour à la cohorte
Enregistrement W4365934529 · doi:10.2196/42382

A Transgender Health Information Resource: Participatory Design Study

2023· article· en· W4365934529 sur OpenAlexvenueno aff
Brad Morse, Andrey Soares, Bethany M. Kwan, Marvyn Allen, Rita S. Lee, Kristen DeSanto, Brooke Dorsey Holliman, Kate Ytell, Lisa M. Schilling

Notice bibliographique

RevueJMIR Human Factors · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesU.S. National Library of Medicine
Mots-clésUsabilityTransgenderComputer sciencemHealthRating scaleFocus groupApplied psychologyPsychologyPsychological interventionHuman–computer interactionBusiness

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Despite the abundance of health information on the internet for people who identify as transgender and gender diverse (TGD), much of the content used is found on social media channels, requiring individuals to vet the information for relevance and quality. OBJECTIVE: We developed a prototype transgender health information resource (TGHIR) delivered via a mobile app to provide credible health and wellness information for people who are TGD. METHODS: We partnered with the TGD community and used a participatory design approach that included focus groups and co-design sessions to identify users' needs and priorities. We used the Agile software development methodology to build the prototype. A medical librarian and physicians with expertise in transgender health curated a set of 97 information resources that constituted the foundational content of the prototype. To evaluate the prototype TGHIR app, we assessed the app with test users, using a single item from the System Usability Scale to assess feature usability, cognitive walk-throughs, and the user version of the Mobile Application Rating Scale to evaluate the app's objective and subjective quality. RESULTS: A total of 13 people who identified as TGD or TGD allies rated their satisfaction with 9 of 10 (90%) app features as good to excellent, and 1 (10%) of the features-the ability to filter to narrow TGHIR resources-was rated as okay. The overall quality score on the user version of the Mobile Application Rating Scale was 4.25 out of 5 after 4 weeks of use, indicating a good-quality mobile app. The information subscore received the highest rating, at 4.75 out of 5. CONCLUSIONS: Community partnership and participatory design were effective in the development of the TGHIR app, resulting in an information resource app with satisfactory features and overall high-quality ratings. Test users felt that the TGHIR app would be helpful for people who are TGD and their care partners.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,414
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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.

Tête enseignante Opus0,340
Tête enseignante GPT0,538
Écart entre enseignants0,199 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Human FactorsMême sujetHealth Literacy and Information AccessibilityTravaux en français237 207