MétaCan
Menu
Retour à la cohorte
Enregistrement W4406407529 · doi:10.1186/s12911-024-02733-7

Combining theory and usability testing to inform optimization and implementation of an online primary care depression management tool

2025· article· en· W4406407529 sur OpenAlexafffundabout
Nicola McCleary, Justin Presseau, Isabelle Perkins, Brittany Mutsaers, Claire Kendall, Janet Yamada, Katharine Gillis, Douglas R. Green

Notice bibliographique

RevueBMC Medical Informatics and Decision Making · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensBruyèreInstitute for Clinical Evaluative SciencesToronto Metropolitan UniversityUniversity of TorontoSickKids FoundationOttawa HospitalHospital for Sick ChildrenUniversity of Ottawa
Organismes subventionnairesUniversity of Ottawa
Mots-clésUsabilityHealth informaticsDepression (economics)Computer sciencePrimary careMedicineNursingHuman–computer interactionFamily medicinePublic health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The 'Ottawa Depression Algorithm' is an evidence-based online tool developed to support primary care professionals care for adults with depression. Uptake of such tools require provider behaviour change. Identifying issues which may impact use of an innovation in routine practice (i.e. barriers to and enablers of behaviour change) informs the selection of implementation strategies that can be deployed with the tool to support use. However, established theory-informed barriers/enablers assessment methods may be less well suited to identifying issues with tool usability. User testing methods can help to determine whether the tool itself is optimally designed. We aimed to integrate these two methodological approaches to i) identify issues impacting the usability of algorithm; and ii) identify barriers to and enablers of algorithm use in routine practice. METHODS: We conducted semi-structured interviews with primary care professionals in Ottawa, Canada. To evaluate usability, participants used a written patient scenario to work through the algorithm while verbalizing their thoughts ('Think Aloud'). Participants were then asked about factors influencing algorithm use in routine practice (informed by the Theoretical Domains Framework). We used the codebook approach to thematic analysis to assign statements to pre-specified codes and develop themes pertaining to usability and routine use. RESULTS: We interviewed 20 professionals from seven practices. Usability issues were summarised within five themes: Optimizing content and flow to align with issues faced in practice, Enhancing the most useful algorithm components, Interactivity of the algorithm and embedded tools, Clarity of presence, purpose, or function of components, and Navigational challenges and functionality of links. Barriers to and enablers of routine use were summarised within five themes: Getting to know the algorithm, Alignment with roles and pathways of influence, Integration with current ways of working, Contexts for use, and Anticipated benefits and concerns about patient communication. CONCLUSIONS: Whilst the Ottawa Depression Algorithm was viewed as a useful tool, specific usability issues and barriers to use were identified. Supplementing a theory-based barriers/enablers assessment with usability testing provided enhanced insights to inform optimization and implementation of this clinical tool. We have provided a methods guide for others who may wish to apply this approach.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,975
Score d'incertitude au seuil0,333

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,052
Tête enseignante GPT0,444
Écart entre enseignants0,392 · 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'étudeAutre devis
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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Medical Informatics and Decision MakingMême sujetDigital Mental Health InterventionsTravaux en français237 207