Using a Mobile Health App (ColonClean) to Enhance the Effectiveness of Bowel Preparation: Development and Usability Study
Notice bibliographique
Résumé
Background: Colonoscopy is the standard diagnostic method for colorectal cancer. Patients usually receive written and verbal instructions for bowel preparation (BP) before the procedure. Failure to understand the importance of BP can lead to inadequate BP in 25%-30% of patients. The quality of BP impacts the success of colonoscopy in diagnostic yield and adenoma detection. We developed the "ColonClean" mobile health (mHealth) app for Android devices. It incorporates visual representations of dietary guidelines, steps for using bowel cleansing agents, and observations of the last bowel movement. We used the Technology Acceptance Model to investigate whether the use of the ColonClean mHealth app can improve users' attitudes and behaviors toward BP. Objective: This study aims to validate the effectiveness of the ColonClean app in enhancing user behavior and improving BP, providing safe and cost-effective outpatient colonoscopy guidance. Methods: This study uses a structured questionnaire to assess perceived usefulness, perceived ease of use, and users' attitudes and behaviors toward BP regarding the ColonClean mHealth app. A total of 40 outpatients who were physically and mentally healthy and proficient in Chinese were randomly chosen for this study. The data were analyzed using SPSS 25.0, and we used Pearson product-moment correlation and simple regression analysis to predict the perception of ColonClean. Results: The results showed that 75% (30/40) of participants achieved an "excellent" or "good" level of BP according to the Aronchick Bowel Preparation Scale. Perceived usefulness and perceived ease of use of the ColonClean mHealth app were positively correlated with users' attitudes and behaviors (P<.05). Conclusions: The ColonClean mHealth app serves as an educational reference and enhances the effectiveness of BP. Users expressed their willingness to use the app again in the future and recommend it to family and friends, highlighting its effectiveness as an educational guide for BP.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».