Impressions and Perceptions of a Smartphone and Smartwatch Self-Management Tool for Patients With COPD: A Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Patients with chronic obstructive pulmonary disease (COPD) often do not seek care until they experience an exacerbation. Improving self-management for these patients may increase health-related quality of life and reduce hospitalizations. Patients are willing to use wearable technology for real-time data reporting and perceive mobile technology as potentially helpful in COPD management, but there are many barriers to the uptake of these technologies. OBJECTIVE: We aimed to understand patients' experiences using a wearable and mobile app and identify areas for improvement. METHODS: We conducted semi-structured interviews as part of a larger prospective cohort study wherein patients used a wearable and app for 6 months. We asked which features patients found accessible, acceptable and useful. RESULTS: We completed 26 interviews. We summarized our research findings into four main themes: (1) information, support and reassurance, (2) barriers to adoption, (3) impact on communication with health care providers, and (4) opportunities for improvement. Most patients found the feedback received through the app to be reassuring and useful. Some patients experienced technical difficulties with the app and found the wearable to be uncomfortable. CONCLUSIONS: Patients found a wearable device and mobile application to be acceptable and useful for the management of COPD. We identified barriers to adoption and opportunities for improvement to the design of our app. Further research is needed to understand what people with COPD and their healthcare providers want and will use in a mobile app and wearable for COPD management.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».