MétaCan
Menu
Retour à la cohorte
Enregistrement W4406196157 · doi:10.2196/59688

Understanding Patient and Physiotherapist Requirements for a Personalized Automated Smartphone Telemonitored App for Posttotal Knee Arthroplasty Rehabilitation: Qualitative Study

2025· article· en· W4406196157 sur OpenAlexvenueno aff
Eleanor Shu-Xian Chew, Aileen Eugenia Scully, Samanth Shi-Man Koh, Ee-Lin Woon, Juanita Low, Yu Heng Kwan, John Wei-Ming Tan, Yong‐Hao Pua, Celia Ia Choo Tan, Luke J. Haseler

Notice bibliographique

RevueJMIR Rehabilitation and Assistive Technologies · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueTotal Knee Arthroplasty Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintTotal knee arthroplastyRehabilitationQualitative researchComputer sciencePhysical therapyMedicineWorld Wide WebSurgery

Résumé

récupéré en direct d'OpenAlex

Background: Total knee arthroplasty (TKA) is a cost-effective surgical intervention for painful knee osteoarthritis in older adults, but postsurgery rehabilitation access is limited. Telerehabilitation offers a solution, but existing models require significant therapist involvement and a costly setup. A personalized smartphone-based automated program could be a cost-effective alternative. Objective: This study aimed to understand the requirements of both patients and physiotherapists in developing an automated telemonitored rehabilitation smartphone app for individuals undergoing TKA. To ensure uptake and long-term sustainability, this study adopted a person-based approach. Methods: A multistakeholder qualitative study of user needs was conducted. Physiotherapists and patients who underwent TKA were recruited via purposive sampling. Individual in-depth, hour-long interviews were conducted via Zoom by an experienced, trained female interviewer with a Master of Arts in Sociology. Data were audio-recorded and transcribed by the same interviewer. Two reviewers (ESC and SSK) independently analyzed the data using thematic analysis, with data triangulation achieved through cross-checking of data sources by 3 reviewers (ESC, SSK, and AES). Interviews were conducted to data saturation. Results: Six patients and 4 physiotherapists participated. For the patient interface, patients emphasized ease of use and specified features like a search function and multilingual options. For the physiotherapist interface, physiotherapists stated ease of accessing patient data and outcome measures for effective monitoring as important. Both patients and physiotherapists highlighted the need for timely, condition-specific information, supplemented by visual aids to support exercises, pain management, and recovery goals. They also stressed the significance of progress tracking, feedback, and the ability to access health care professionals for reassurance. Motivational features, including reminders, prompts, and exercise logs, were recommended to improve adherence. Both groups similarly identified the need for initial training to ensure confident use of the app. Conclusions: This study provided insights into the requirements of potential end users of a smartphone app for automated telemonitored rehabilitation following TKA. This is useful for steering the development of a user-centric smartphone app.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,023
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,023
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,035
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,004
Communication savante0,0040,004
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,038
Tête enseignante GPT0,365
Écart entre enseignants0,327 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Rehabilitation and Assistive TechnologiesMême sujetTotal Knee Arthroplasty OutcomesTravaux en français237 207