Exploring the Needs of People With Chronic Low Back Pain and Health Care Professionals for mHealth Devices to Support Self-Managed Physical Activity and Pain: User-Centered Design Approach
Notice bibliographique
Résumé
BACKGROUND: Chronic low back pain (CLBP) is a major economic and social problem worldwide. Despite the variety of recommended treatments, long-term self-management of this condition is complex and requires the development of innovative interventions. Mobile health (mHealth) technologies hold great promise for the management of chronic pain, particularly to support physical activity. However, their implementation is challenged by a lack of user compliance and limited engagement, which may be due to insufficient consideration of the needs of potential users during development. OBJECTIVE: This study aims to explore the needs of people with CLBP and health care professionals regarding mHealth technologies to support self-managed physical activity, and to delineate design recommendations based on identified needs. METHODS: A participatory study was conducted using a 3-phase, user-centered design approach: needs investigation with a group of experts in a workshop (phase 1), needs exploration with end users in focus groups (phase 2), and validation of needs using Delphi questionnaires followed by the development of a set of recommendations (phase 3). RESULTS: A total of 121 people with CLBP, expert patients, health care professionals, rehabilitation researchers, and biomechanical engineers participated in this study. The results indicated how technology could help people with CLBP overcome their difficulties with managing physical activity. Specific needs were formulated concerning device objectives, expected strategies, functionalities, technical features, conditions of use, and potential facilitators and barriers to use. These needs were validated by consensus from the potential end users and translated into design recommendations. CONCLUSIONS: This study provides design recommendations for the development of an mHealth device specifically adapted for people with CLBP.
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 | 0,024 | 0,014 |
| 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 | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».