MétaCan
Menu
Retour à la cohorte
Enregistrement W4385442527 · doi:10.1097/jsm.0000000000001184

Ease of Use and Usefulness of a Newly Developed Mobile App to Monitor Pain and Adherence Among Individuals With an Achilles Tendinopathy Engaged in a Rehabilitation Program

2023· article· en· W4385442527 sur OpenAlexaff
Alexandre Lavigne, Martin Lamontagne, Christopher Mares, Dany H. Gagnon

Notice bibliographique

RevueClinical Journal of Sport Medicine · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensUniversité de MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésLikert scaleMedicinePhysical therapyTendinopathyUsabilityMobile appsRehabilitationPhysical medicine and rehabilitationScale (ratio)Rating scalePsychologyHuman–computer interactionWorld Wide WebComputer scienceSurgeryTendon

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Assess the perceived ease of use and perceived usefulness of a newly developed mobile app. DESIGN: Descriptive survey study. SETTING: Home-based rehabilitation program. PARTICIPANTS: A group of 31 adults with a symptomatic Achilles tendinopathy. INTERVENTION: A mobile app was developed to support the deployment of the 12-week active exercise-based rehabilitation program and facilitate the monitoring of exercise adherence twice daily and the assessment of localized Achilles tendon pain using a numeric pain rating scale on a weekly basis. MAIN OUTCOME MEASURES: Results of an online survey encompassing 10 questions, each rated on a 5-point Likert scale (5 = strongly agree; 1 = strongly disagree). RESULTS: Nearly all participants agreed that the mobile app was easy to install (96.4%) and easy to use (100%). Most participants confirmed that no technical issues were encountered (96.4%). The instructional videos were deemed helpful in properly performing the recommended exercises (85.7%), whereas the prompts sent via text message were found to promote adherence (88.9%). The design and appearance of the mobile app were appreciated by a lower percentage of participants (75%). CONCLUSION: Participants confirmed the ease of use and usefulness of the newly developed mobile app and demonstrated a positive attitude toward its use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,126
Tête enseignante GPT0,477
Écart entre enseignants0,352 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Journal of Sport MedicineMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207