MétaCan
Menu
Retour à la cohorte
Enregistrement W4388723084 · doi:10.2196/49251

Fostering Patient-Clinician Communication to Promote Rapid HIV, Hepatitis B Virus, and Hepatitis C Virus Diagnostic Testing: Conceptual Development of a Multilingual App

2023· article· en· W4388723084 sur OpenAlexvenueno aff
Carter Brown, Guillaume Roucoux, Olivia Rousset‐Torrente, Saleh Ali, Lisa Yombo-Kokule, John Eric Chaplin, Olivier Chassany, Martin Duracinský

Notice bibliographique

RevueJMIR Formative Research · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterpreting and Communication in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicinePopulationInterpreterDelphi methodLanguage barrierFocus groupFamily medicineComputer scienceArtificial intelligenceEnvironmental healthPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Migrants are disproportionately affected by HIV, hepatitis B virus (HBV), and hepatitis C virus (HCV). Clinicians, at times, fail to offer rapid diagnostic testing (RDT) for these viruses when a language barrier exists in the patient-clinician relationship, therefore creating missed testing opportunities. Although their effectiveness has been demonstrated elsewhere, conventional, in-person interpreters are costly and underused in practice. Furthermore, clinicians often call upon ad hoc interpreters, which introduces complexities in the clinical relationship. Digital solutions exist to diminish the burden of language barriers; however, the challenges of developing a multilingual and multicultural app have yet to be documented with respect to RDT in the nonfrancophone migrant population in France. OBJECTIVE: Our goal was to design a multilingual app to overcome language barriers, health literacy barriers, and fears related to being tested to promote RDT of HIV, HBV, and HCV in the nonfrancophone migrant population in France. METHODS: A combination of qualitative methods, agile development, and user-centered design was used. We conducted 2 focus groups (FGs) with 12 participants, including physicians, nurses, and social workers conducting RDT, as well as 1 modified Delphi survey with 68 participants including physicians and nurses. FGs explored the content (risk factors and medical history), functions (cultural adaptation and instant translation), and interface ergonomics (graphics and font) needed in the app. The Delphi presented 95 content items that the researchers sought to include in the app. RESULTS: Using FGs to inform the Delphi survey, we scientifically determined the app's content consisting of 95 items using expert consensus, developed a mock-up, and conducted initial user testing. We created an app that contains both migrant and clinician interfaces and includes a sociodemographic, risk assessment, health literacy, and testing barrier questionnaires available in 11 languages. Educational content is related to HIV, HBV, and HCV, along with the ability to understand whether the migrant agrees to be tested. CONCLUSIONS: This study allowed us to conceptualize a multilingual app that aims to increase the acceptance of RDT for HIV, HBV, and HCV. The specific features of the Assistant intelligent au dépistage des allophones app were designed to overcome the testing barriers in the nonfrancophone migrant population. The next phase will be an implementation study, as we intend to validate our app.

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)0,009
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,005
Communication savante0,0060,006
Science ouverte0,0020,009
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,251
Tête enseignante GPT0,515
Écart entre enseignants0,265 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetInterpreting and Communication in HealthcareTravaux en français237 207