MétaCan
Menu
Retour à la cohorte
Enregistrement W4410217089 · doi:10.1177/19322968251334396

Using Journey Mapping and Service Blueprinting to Design Digital Health Behavior Change Innovations: A Scoping Review

2025· review· en· W4410217089 sur OpenAlexafffund
Paula Voorheis, J. Wong, Natasa Lazarevic, Bisma Imtiaz, Aunima R. Bhuiya, Carolyn Steele Gray

Notice bibliographique

RevueJournal of Diabetes Science and Technology · 2025
Typereview
Langueen
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensSinai Health SystemPublic Health OntarioUniversity of TorontoBridgepoint Active Healthcare
Organismes subventionnairesCanada Research Chairs
Mots-clésDigital healthBlueprintService (business)Process managementKnowledge managementHealth careComputer scienceMedicinePsychologyNursingBusinessEngineeringMarketing

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Solutions to support disease self-management and health-related behavior changes require a deep understanding of patient experiences, needs, and challenges across the care journey. Journey mapping (JM) and service blueprinting (SB) are valuable tools for visualizing user experiences and system processes over time. This scoping review explores how JM/SBs have been applied to design digitally enabled interventions targeting health-related behaviors among patients and the public. METHODS: The JBI reviewer manual was used to guide the review. Studies were sourced from Embase, Psych Info, PubMed, Medline, Web of Science, and Scopus. Inclusion criteria required studies to describe how JM/SBs informed the design of a digitally enabled health innovation that aimed to impact health or health care-related behaviors of patients or the public. A two-level screening process and iterative data extraction were applied. RESULTS: A total of 28 studies met the inclusion criteria, with a majority published between 2019 and 2024. The JM/SBs rarely used behavioral science theory and were structured, organized, and presented in diverse ways. Most studies designed their digital health behavior change innovations by using JM/SB to identify relevant innovation touchpoints across the patient journey. Patients frequently participated in the digital health behavior change innovation design process, with JM/SBs often serving as sensemaking tools. Innovations tended to address multifaceted health service problems through multimodal, digitally enabled solutions. CONCLUSIONS: JM/SBs are emerging as versatile tools to help digital health innovations to conduct user research, engage diverse partners, identify complex problems, and ideate creative solutions. However, limited integration of behavioral science theory indicates an area for future exploration.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,983
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0060,013
Études des sciences et des technologies0,0010,000
Communication savante0,0000,002
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
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 Opus0,227
Tête enseignante GPT0,432
Écart entre enseignants0,204 · 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.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Diabetes Science and TechnologyMême sujetInnovative Human-Technology InteractionTravaux en français237 207