Consumer Perspectives for a Future Mobile App to Document Real-World Listening Difficulties: Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: By enabling individuals with hearing loss to collect their own hearing data in their personal real-world settings, there is scope to improve clinical care, empower consumers, and support shared clinical decision-making and problem-solving. Clinician support for this approach has been established in a separate study. OBJECTIVE: This study aims to explore, for consumers with hearing loss, their (1) experiences of listening difficulties, to identify the data an app could usefully collect; (2) preferences regarding the features of mobile apps in general; and (3) opinions on the potential value and desirable features of a yet-to-be designed app for documenting listening difficulties in real-world settings. METHODS: A total of 3 focus groups involved 27 adults who self-reported hearing loss. Most were fitted with hearing devices. A facilitator used a topic guide to generate discussion, which was video- and audio-recorded. Verbatim transcriptions were analyzed using inductive content analysis. RESULTS: Consumers supported the concept of a mobile app that would facilitate the documenting of listening difficulties in real-world settings important to the individual. Consumers shared valuable insights about their listening difficulties, which will help determine the data that should be collected through an app designed to document these challenges. This information included early indicators of hearing loss (eg, mishearing, difficulty communicating in groups and on the phone, and speaking overly loudly) and prompts to seek hearing devices (eg, spousal pressure and the advice or example provided by others, and needing to rely on lipreading or to constantly request others to repeat themselves). It also included the well-known factors that influence listening difficulties (eg, reverberation, background noise, group conversations) and the impacts and consequences of their difficulties (eg, negative impacts on relationships and employment, social isolation and withdrawal, and negative emotions). Consumers desired a visual-based app that provided options for how data could be collected and how the user could enter data into an app, and which enabled data sharing with a clinician. CONCLUSIONS: These findings provide directions for the future co-design and piloting of a prototype mobile app to provide data that are useful for increasing self-awareness of listening difficulties and can be shared with a clinician.
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 | 0,017 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».