Usability and Overall Perception of a Health Bot for Nutrition-Related Questions for Patients Receiving Bariatric Care: Mixed Methods Study
Notice bibliographique
Résumé
BACKGROUND: Currently, over 4000 bariatric procedures are performed annually in Switzerland. To improve outcomes, patients need to have good knowledge regarding postoperative nutrition. To potentially provide them with knowledge between dietetic consultations, a health bot (HB) was created. The HB can answer bariatric nutrition questions in writing based on artificial intelligence. OBJECTIVE: This study aims to evaluate the usability and perception of the HB among patients receiving bariatric care. METHODS: Patients before or after bariatric surgery tested the HB. A mixed methods approach was used, which consisted of a questionnaire and qualitative interviews before and after testing the HB. The dimensions usability of, usefulness of, satisfaction with, and ease of use of the HB, among others, were measured. Data were analyzed using R Studio (R Studio Inc) and Excel (Microsoft Corp). The interviews were transcribed and a summary inductive content analysis was performed. RESULTS: A total of 12 patients (female: n=8, 67%; male: n=4, 33%) were included. The results showed excellent usability with a mean usability score of 87 (SD 12.5; range 57.5-100) out of 100. Other dimensions of acceptability included usefulness (mean 5.28, SD 2.02 out of 7), satisfaction (mean 5.75, SD 1.68 out of 7), and learnability (mean 6.26, SD 1.5 out of 7). The concept of the HB and availability of reliable nutrition information were perceived as desirable (mean 5.5, SD 1.64 out of 7). Weaknesses were identified in the response accuracy, limited knowledge, and design of the HB. CONCLUSIONS: The HB's ease of use and usability were evaluated to be positive; response accuracy, topic selection, and design should be optimized in a next step. The perceptions of nutrition professionals and the impact on patient care and the nutrition knowledge of participants need to be examined in further studies.
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 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 | 0,016 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».