MétaCan
Menu
Retour à la cohorte
Enregistrement W4398191021 · doi:10.2196/54101

Insights Into the Use of a Digital Healthy Aging Coach (AGATHA) for Older Adults From Malaysia: App Engagement, Usability, and Impact Study

2024· article· en· W4398191021 sur OpenAlexvenueno aff
Pei‐Lee Teh, Andrei O. J. Kwok, Wing Loong Cheong, Shaun Wen Huey Lee

Notice bibliographique

RevueJMIR Formative Research · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesWorld Health Organization
Mots-clésAgathaUsabilityPsychologyFocus groupDigital healthSession (web analytics)Medical educationApplied psychologyMedicineComputer scienceHealth careWorld Wide WebSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Digital inclusion is considered a pivotal social determinant of health, particularly for older adults who may face significant barriers to digital access due to physical, sensory, and social limitations. Avatar for Global Access to Technology for Healthy Aging (AGATHA) is a virtual healthy aging coach developed by the World Health Organization to address these challenges. Designed as a comprehensive virtual coach, AGATHA comprises a gamified platform that covers multiple health-related topics and modules aimed at fostering user engagement and promoting healthy aging. OBJECTIVE: The aim of this study was to explore the perception and user experience of Malaysian older adults in their interactions with the AGATHA app and its avatar. The focus of this study was to examine the engagement, usability, and educational impact of the app on health literacy and digital skills. METHODS: We performed a qualitative study among adults 60 years and older from suburban and rural communities across six states in Malaysia. Participants were purposefully recruited to ensure representation across various socioeconomic and cultural backgrounds. Each participant attended a 1-hour training session to familiarize themselves with the interface and functionalities of AGATHA. Subsequently, all participants were required to engage with the AGATHA app two to three times per week for up to 2 weeks. Upon completion of this trial phase, an in-depth interview session was conducted to gather detailed feedback on their experiences. RESULTS: Overall, the participants found AGATHA to be highly accessible and engaging. The content was reported to have a comprehensive structure and was delivered in an easily understandable and informative manner. Moreover, the participants found the app to be beneficial in enhancing their understanding pertaining to health-related issues in aging. Some key feedback gathered highlighted the need for increased interactive features that would allow for interaction with peers, better personalization of content tailored to the individual's health condition, and improvement in the user-experience design to accommodate older users' specific needs. Furthermore, enhancements in decision-support features within the app were suggested to better assist users in making health decisions. CONCLUSIONS: The prototype digital health coaching program AGATHA was well received as a user-friendly tool suitable for beginners, and was also perceived to be useful to enhance older adults' digital literacy and confidence. The findings of this study offer important insights for designing other digital health tools and interventions targeting older adults, highlighting the importance of a user-centered design and personalization to improve the adoption of digital health solutions among older adults. This study also serves as a useful starting point for further development and refinement of digital health programs aimed at fostering an inclusive, supportive digital environment for older adults.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,261
Score d'incertitude au seuil0,765

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,094
Tête enseignante GPT0,443
Écart entre enseignants0,350 · 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 tête enseignante, 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

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetTechnology Use by Older AdultsTravaux en français237 207