Caregiver needs and perception of data sharing for research through mHealth in pediatric asthma: a cross-sectional survey (Preprint)
Notice bibliographique
Résumé
BACKGROUND Asthma is the most common chronic respiratory disease of childhood. Caregivers often report lacking knowledge in several aspects of asthma management at home. While the use of mHealth tools such as mobile applications could facilitate asthma self-management and simultaneously collect data for research, few studies have explored the features that caregivers would like to see in such a tool and their perception for data sharing. OBJECTIVE This study evaluated caregivers’ perceived knowledge gaps in asthma management, their perception of certain features and resources that should be included in a potential mobile application, and any concerns that they may have on data sharing for research, including privacy and security. METHODS In this cross-sectional study, we surveyed 200 caregivers of children aged 1-13 years with asthma followed at a pediatric tertiary care center in Montreal, Canada. Anonymous data was collected through the institutional online survey platform. We collected the participant’s answers using a 5-category Likert scale (completely agree, agree, neither agree nor disagree, disagree, completely disagree), multiple choice questions, and free text questions on the topics above. Descriptive statistics were performed and answers were compared between caregivers of preschool- and school-aged children. RESULTS Participating children had a mean(standard deviation) age of 5.9(3.4) years, with 54% aged ≤5 years and 46% >6 years. Overall, caregivers reported having adequate knowledge about asthma and asthma self-management. Nonetheless, they identified several desirable features for a mobile application focused on asthma self-management. The most frequently identified features include receiving alerts about environmental triggers of asthma (76.9%), having videos demonstrating symptoms of asthma (66.8%), and being able to log their child’s asthma action plan in the application (66.8%). Interestingly, more caregivers of preschool-aged children preferred textual information compared to caregivers of school-aged children (P=.008 for explaining asthma and P=.005 for the symptoms of asthma). Caregivers were generally highly in favor of sharing data collected through a mobile application for research. CONCLUSIONS Caregivers of children with asthma in our study identified several desirable educational and interactive features to have in a mobile app for asthma self-management. These findings provide a foundation for designing and developing mHealth tools that are relevant to caregivers of children with asthma.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | MétarechercheScience ouverte Domaine: Reproductibilité · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».