MétaCan
Menu
Retour à la cohorte
Enregistrement W4385565060 · doi:10.2196/46738

Co-Creating a Digital Life-Integrated Self-Assessment for Older Adults: User Experience Study

2023· article· en· W4385565060 sur OpenAlexvenueno aff
Melissa J Böttinger, Elena Litz, Katharina Gordt, Carl-Philipp Jansen, Nicole Memmer, Christian Mychajliw, Leon Radeck, Jürgen M. Bauer, Clemens Becker

Notice bibliographique

RevueJMIR Aging · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesUniversität Heidelberg
Mots-clésThematic analysisPsychologyIntervention (counseling)Digital healthApplied psychologyMedicineQualitative researchMedical educationGerontologyNursingHealth care

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Older adults are at increased risk of developing health disorders and functional decline. However, owing to time constraints and considerable effort, physicians rarely conduct comprehensive assessments to detect early signs of negative trajectories. If designed properly, digital technologies could identify health risks already at a preclinical stage, thereby facilitating preventive efforts and targeted intervention. For this purpose, a Life-integrated Self-Assessment (LiSA) tablet system will be developed through a structured co-creation process. OBJECTIVE: This study aims to investigate older adults' perceptions of different self-assessment domains, components affecting user experience, risks and benefits associated with LiSA, characteristics of potential LiSA users, and the LiSA concept in general. METHODS: A total of 10 community-dwelling older adults aged ≥70 years were recruited. In total, 6 co-creation workshops were held and started with expert input followed by semistructured discussion rounds. Participants performed hands-on activities with a tablet, including testing of preinstalled self-assessment apps. All workshops were audio recorded and additionally documented by the researchers using flipcharts, notes, and photos. Qualitative content analysis was used to analyze the data following a deductive-inductive approach guided by the Optimized Honeycomb Model for user experience. RESULTS: The group (mean age 77.8, SD 5.1 years) was heterogeneous in terms of previous technology experience and health status. The mean workshop duration was 2 hours (122.5, SD 4.43 min), and an average of 8 (SD 1.15) participants attended each workshop. A total of 11 thematic categories were identified, covering results on all research questions. Participants emphasized a strong interest in conducting a digital self-assessment of physical activity and function and sensory and cognitive functions and requested additional features such as recommendations for actions or reminders. LiSA was perceived as empowering and a motivator to engage in active health care planning as well as enabling shared and informed decision-making. Concerns and barriers included the lack of technical competence, feelings of frustration, and fear of being left alone, with negative assessment results. In essence, participants expressed a positive attitude toward using LiSA repeatedly and identified it as an option to increase the chances of maintaining independence when growing older. CONCLUSIONS: The co-creation participants supported the LiSA approach and were interested in performing regular self-assessments on a long-term basis. In their opinion, LiSA should include relevant assessments capturing physical activity and function and sensory and cognitive functions as well as recommendations for actions. It should be customizable to individual needs. These results will form the basis for a prototype. Iterative development and validation will aim to make LiSA accessible in the public domain as a reliable tablet-based system for self-assessment.

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)0,000
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,414
Score d'incertitude au seuil0,762

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,015
Tête enseignante GPT0,358
Écart entre enseignants0,343 · 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'étudeQualitatif
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

Citations13
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetTechnology Use by Older AdultsTravaux en français237 207