Perceived usability and acceptability of the My-Hip Fracture risk communication tool from the perspective of academic clinicians
Notice bibliographique
Résumé
We evaluated the usability and acceptability of My-Hip Fracture (My-HF), a web application that assists providers in delivering individualized prognostic information to patients hospitalized for hip fracture (HF). We observed a sample of 16 clinicians as they navigated My-HF. We then administered a structured questionnaire and conducted semi-structured interviews to explore participants' opinions about the app's content and the feasibility of incorporating the app into clinical workflows. Clinicians required a median of 2-min and 45 s to navigate through the app. Nearly all participants indicated that My-HF was easy to use and would be useful for their practice. About half of participants had suggestions for additional useful peri-operative content. A few expressed concerns about communicating mortality risk. About half expressed concerns about how My-HF might be integrated into existing clinical workflows. Though clinicians rated My-HF high on usefulness in a structured usability questionnaire, qualitative interviews identified a number of suggestions for optimizing integration into clinical practice. Creating shared goals, establishing a decision coach, and developing a framework of communication across care settings could facilitate integration of My-HF by the multidisciplinary HF team. My-Hip Fracture is a unique web application which provides personalized prognostic information to patients and families after HF. My-HF has potential to facilitate informed decision-making between clinicians and patients, but adaptations will be necessary to enhance its usability. • My-Hip Fracture app helps clinicians deliver prognostic information after hip fracture. • We had clinicians evaluate the usability and acceptability of My-Hip Fracture. • Despite high usability ratings, clinicians questioned the feasibility of integration. • Creating shared communication goals and using a decision coach could help. • Mechanisms to facilitate communication across time and settings are also needed.
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 | 0,030 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».