A Personalized and Interactive Web-Based Advance Care Planning Intervention for Older Adults (Koda Health): Pilot Feasibility Study
Notice bibliographique
Résumé
Background: Advance care planning (ACP) is a process that involves patients expressing their personal goals, values, and future medical care preferences. Digital applications may help facilitate this process, though their use in older adults has not been adequately studied. Objective: This pilot study aimed to evaluate the reach, adoption, and usability of Koda Health, a web-based patient-facing ACP platform, among older adults. Methods: Older adults (aged 50 years and older) who had an active Epic MyChart account at an academic health care system in North Carolina were recruited to participate. A total of 2850 electronic invitations were sent through MyChart accounts with an embedded hyperlink to the Koda platform. Participants who agreed to participate were asked to complete pre- and posttest surveys before and after navigating through the Koda Health platform. Primary outcomes were reach, adoption, and System Usability Scale (SUS) scores. Exploratory outcomes included ACP knowledge and readiness. Results: A total of 161 participants enrolled in the study and created an account on the platform (age: mean 63, SD 9.3 years), with 80% (129/161) of these participants going on to complete all steps of the intervention, thereby generating an advance directive. Participants reported minimal difficulty in using the Koda platform, with an overall SUS score of 76.2. Additionally, knowledge of ACP (eg, mean increase from 3.2 to 4.2 on 5-point scale; P<.001) and readiness (eg, mean increase from 2.6 to 3.2 on readiness to discuss ACP with health care provider; P<.001) significantly increased from before to after the intervention. Conclusions: This study demonstrated that the Koda Health platform is feasible, had above-average usability, and improved ACP documentation of preferences in older adults. Our findings indicate that web-based health tools like Koda may help older individuals learn about and feel more comfortable with ACP while potentially facilitating greater engagement in care planning.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».