“Simpleness”: a qualitative description study exploring patient perspectives on the barriers and facilitators of using digital health tools to self-manage inflammatory bowel disease
Notice bibliographique
Résumé
Background: Inflammatory bowel disease (IBD) is a chronic condition requiring lifelong management and frequent interactions with healthcare providers. Digital health tools have the potential to enhance disease management by providing real-time data and improving care coordination. Despite their potential, there is limited evidence on patient perspectives regarding barriers and facilitators to the adoption of these tools. Objectives: To explore patient perspectives on the barriers and facilitators associated with using digital health tools for IBD self-management, focusing on the adoption of a tool called MyIBDToolkit. Design: This study employed a qualitative description approach to gather detailed insights into patient experiences. Methods: Participants with a confirmed IBD diagnosis were recruited from clinics in Alberta, Canada. Data were collected via virtual semi-structured interviews conducted between June and July 2024. Thematic analysis was used to identify key themes, and member checking ensured the credibility of the findings. Results: Eighteen interviews were conducted, reaching thematic saturation. Participants viewed MyIBDToolkit as beneficial for enhancing disease monitoring and care coordination. However, concerns about data entry burden, privacy, and engagement emerged as significant barriers. Variability in healthcare provider use of the tool was another critical concern. Conclusion: While digital health tools such as MyIBDToolkit have the potential to improve IBD self-management, addressing barriers such as usability, privacy, and sustainability is crucial. Incorporating patient feedback during the design process can enhance the effectiveness and acceptability of these tools in chronic disease management.
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 | 0,022 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,010 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».