MétaCan
Menu
Retour à la cohorte
Enregistrement W4390430908 · doi:10.23996/fjhw.131314

Co-design of a digital solution for total hip and knee arthroplasty journey: A case study

2023· article· en· W4390430908 sur OpenAlexaff
Miia Jansson, Heidi Similä, Marja Harjumaa, Jonna Koivisto, Kadri Haljas, Markus Lind, Riitta Laitala, Ari‐Pekka Puhto, Minna Pikkarainen

Notice bibliographique

RevueFinnish Journal of eHealth and eWelfare · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensTRIUMF
Organismes subventionnairesBusiness Finland
Mots-clésTransparency (behavior)Total hip arthroplastyProcess (computing)Functional requirementComputer scienceTotal knee arthroplastyArthroplastyProcess managementMedicineEngineeringSurgeryComputer securitySoftware engineering

Résumé

récupéré en direct d'OpenAlex

End-users’ involvement is crucial to develop human-centered solutions; patient acceptance and endorsement by clinicians will be achieved when the features of digital solutions align with their needs and expectations. The aim of the study was to develop the overall concept of digital solution to increase transparency, foster patient adherence, and improve patient-provider communication across the entire total hip and knee arthroplasty journey from admission to discharge, and beyond. Two-stage iterative co-design process was used. Systematic literature reviews and qualitative interviews were conducted to understand the problem. In addition, co-creation sessions were used develop the solution for a reference implementation. As a result, a total of 19 technical and functional requirements were identified. In addition, ten additional functional requirements were identified for future design. The results demonstrate the overall concept of a digital solution for the reference implementation. The uniqueness of the solution lies in the vision of wider integrated systems, which could offer a clinical platform for clinicians to provide patient-focused care remotely, while monitoring patients’ progress closely.

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)0,010
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,002
Communication savante0,0050,003
Science ouverte0,0020,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,099
Tête enseignante GPT0,428
Écart entre enseignants0,329 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFinnish Journal of eHealth and eWelfareMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207