MétaCan
Menu
Retour à la cohorte
Enregistrement W4412648778 · doi:10.1055/a-2564-7682

Consumer Involvement in the Co-Design of Diabetes Self-Management Smartphone Apps: A Scoping Review

2025· review· en· W4412648778 sur OpenAlexaff
Christie L. Martin, Caitlin Bakker, Sayantani Sarkar, Rachael M. Kang, Nick Reid, Ming‐Yuan Chih, Scott Sittig, Grace Gao, Christina Smith, Brad Morse, Katherine Kim, Liliana Laranjo, Velma L. Payne

Notice bibliographique

RevueApplied Clinical Informatics · 2025
Typereview
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensUniversity of ReginaLibrary and Archives Canada
Organismes subventionnairesnon disponible
Mots-clésScope (computer science)Computer scienceSelf-managementResearch designApplied psychologyPsychologyProcess managementKnowledge managementEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Consumer involvement in the co-design of diabetes self-management smartphone apps is vital. This scoping review explored how consumers are involved in the co-design processes and methods and approaches guiding this research.Our review was guided by Arksey and O'Malley's five-stage framework, PRISMA-ScR guidelines, and Witteman and colleagues' 11-item user-centered design (UCD-11) framework. We searched literature across five databases and examined types of consumer involvement in co-design and frequency of methods and approaches (i.e., co-design approaches, behavioral theories, and other frameworks), synthesizing findings in SPSS and Excel.Of the 14,206 initial items, 283 articles were included. Most studies were conducted in Asia (33.2%) and focused on type 2 diabetes (43.1%). All articles addressed at least one UCD principle, and prototype evaluation (UCD-3) was the most frequent (82.3%); 85.2% addressed iterative responsiveness (factor 2). Most articles (66.8%) did not report a particular method or approach; 20.5% used design-related approaches, with user-centered design being the most common (7.4%). Few articles (3.9%) utilized social cognitive theory.Overall, co-design activities were isolated by phase. Consumers were primarily involved in evaluating prototypes and had limited engagement in the early stages. Iterative responsiveness factor activities were underreported or limited in scope. The use of approaches, theories, and frameworks was inconsistent. Consumer involvement in the co-design of diabetes self-management apps is often limited to later phases, with minimal engagement during the critical preprototype phase. To enhance the relevance, effectiveness, and adoption of diabetes self-management apps, app designers should improve the reporting of co-design activities and engage consumers across all co-design phases.

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)0,035
score de la tête « metaresearch » (Gemma)0,107
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,035
Score d'incertitude au seuil0,184

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0350,107
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0120,012
Études des sciences et des technologies0,0020,002
Communication savante0,0060,006
Science ouverte0,0020,003
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,198
Tête enseignante GPT0,540
Écart entre enseignants0,342 · 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'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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Clinical InformaticsMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207