Mapping the Cardiometabolic Patient Experience and Self-Care Behaviors to Inform Design, Implementation, and Persistent Use of Digital Health Care Solutions: Mixed Methods Study
Notice bibliographique
Résumé
BACKGROUND: Cardiometabolic conditions including acute coronary syndrome (ACS) and type 2 diabetes (T2D) require comprehensive care and patient engagement in self-care behaviors, and the drivers of those behaviors at the individual and health system level are still poorly understood. OBJECTIVE: We aim to gain insights into self-care behaviors of individuals with cardiometabolic conditions. METHODS: A convenience sample of 98 adult patients with ACS and T2D was recruited in the United States, Germany, and Taiwan to participate in a mixed methods study using ethnographic methods. All participants completed 7-day web-based diaries tracking their level of engagement, and 48 completed 90-minute web-based semistructured interviews between February 4, 2021, and March 27, 2021, focusing on themes including moments of engagement. Qualitative analysis identified factors influencing self-care practices and a Patient Mind States Model prototype. RESULTS: Patient reports indicate that many patients feel social pressure to adhere to treatment. Patients' experience can be understood within 5 categories defined in terms of their degree of engagement and adherence ("ignoring," "struggling," "juggling," "controlling," and "reframing"). CONCLUSIONS: For people living with ACS and T2D, the self-care journey is defined by patterns of patient experiences, which can identify areas that tailored digital health care interventions may play a meaningful role.
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 | 0,036 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».