MétaCan
Menu
Retour à la cohorte
Enregistrement W4366603212 · doi:10.2196/44355

An Augmented Reality Mobile App (Easypod AR) as a Complementary Tool in the Nurse-Led Integrated Support of Patients Receiving Recombinant Human Growth Hormone: Usability and Validation Study

2023· article· en· W4366603212 sur OpenAlexvenueno aff
Rosa Baños, Blaine Martin, Ekaterina Koledova

Notice bibliographique

RevueJMIR Nursing · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueGrowth Hormone and Insulin-like Growth Factors
Établissements canadiensnon disponible
Organismes subventionnairesMerck KGaA
Mots-clésUsabilityTelehealthAugmented realityMobile appsmHealthPsychologyPhoneTelemedicineMedicineMedical educationNursingHealth careComputer scienceHuman–computer interactionWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Children with growth hormone deficiency face the prospect of long-term recombinant human growth hormone (r-hGH) treatment requiring daily injections. Adherence to treatment is important, especially at treatment initiation, to achieve positive health outcomes. Historically, telenursing services embedded in patient support programs (PSPs) have been a valid approach to support r-hGH treatment initiation and patient education and facilitate adherence by identifying and optimizing appropriate injection techniques. The development of mobile phones with augmented reality (AR) capabilities offers nurses new tools to support patient education. OBJECTIVE: To investigate experiences among nurses of a new mobile phone app developed to support patient training with a phone-based PSP for r-hGH treatment. METHODS: In 2020, the Easypod AR mobile app was launched to support nurse-driven telehealth education for patients initiating r-hGH therapy with the Easypod electromechanical auto-injector device. Nurses who were part of PSPs in countries where the Easypod AR app had been launched or where training was provided as part of an anticipated future launch of the app were invited to participate in an online survey based on the Mobile App Rating Scale to capture their feedback after using the app. RESULTS: In total, 23 nurses completed the online questionnaire. They positively rated the quality of the app across multiple dimensions. The highest mean scores were 4.0 for engagement (ie, adaptation to the target group; SD 0.74), 4.1 (SD 0.79) for functionality (navigation) and 4.1 (SD 0.67) for aesthetics (graphics). Responses indicated the potential positive impact of such a tool on enhancing patient education, patient support, and communication between patients and PSP nurses. Some participants also suggested enhancements to the app, including gamification techniques that they felt have the potential to support the formation of positive treatment behaviors and habits. CONCLUSIONS: This study highlights the potential for new digital health solutions to reinforce PSP nurse services, including patient education. Future studies could explore possible correlations between any behavioral and clinical benefits that patients may derive from the use of such apps and how they may contribute to support improved patient experiences and treatment outcomes.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,904

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,349
Écart entre enseignants0,323 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR NursingMême sujetGrowth Hormone and Insulin-like Growth FactorsTravaux en français237 207