A Pre–Post, Mixed-Methods Study to Pilot Test a Gamified Heart Failure Self-Care Education Intervention
Notice bibliographique
Résumé
Objective : Self-care is essential to improving heart failure patient outcomes. However, the knowledge and behaviours necessary for self-care decision making, such as symptom perception and management, are complex and require patient education. The objective of this study was to test the feasibility, acceptability, and potential effectiveness of a web-based, gamified heart failure patient education solution, Heart Self-Care Patient Education (HeartSCaPE), that used narrative and virtual reward gamification techniques. Materials and Methods: This mixed-methods study used a pre-post-test design with an embedded explanatory qualitative phase. Patients completed the Self-Care of Heart Failure Index, that measured self-care behaviour change and the Dutch Heart Failure Knowledge Scale, used to measure heart failure knowledge. Usability measures of HeartSCaPE were tracked using Google Analytics and the System Usability Scale. Results: Nineteen patients completed the study, with a subset of six participating in semi-structured interviews. We found increases in HF knowledge despite high baseline knowledge scores. Post-intervention self-reported HF self-care behaviours ( maintenance, management and confidence ), as measured by the Self-Care of Heart Failure Index, were also improved. Knowledge and self-care scores were not correlated. Participants also scored HeartSCaPE as highly usable. In interviews, participants described valuing the opportunity to practice self-care decision-making. There were mixed opinions regarding the use of virtual rewards. Conclusion: We found that a gamified web-based solution that uses narrative and reward-based gamification techniques has the potential to improve HF patient knowledge and self-care. Further research is needed to confirm the study's clinical benefits and address technology literacy inequities.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».