MétaCan
Menu
Retour à la cohorte
Enregistrement W4413784176 · doi:10.2196/66176

Providers’ Perspective on the Feasibility of Digital Self-Management of Blood Pressure in Refugees: Mixed Methods Study

2025· article· en· W4413784176 sur OpenAlexvenueno aff
Carol Gonzalez, Marcos Real, Nargis Ahmadi, Raghad Aljenabi, Lana Bridi, Nour Makarem, Job Godino, Tala Al‐Rousan

Notice bibliographique

RevueJMIR Human Factors · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Minority Health and Health DisparitiesNational Heart, Lung, and Blood Institute
Mots-clésPreprintPerspective (graphical)RefugeePsychologyComputer sciencePolitical scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Background: Mass displacement is a grand public health challenge. Refugees and immigrants experience a disparate hypertension burden and disparities in self-management. Successful hypertension self-management is key for improving outcomes, but research on its feasibility in refugee and immigrant health care settings is limited. Objective: This study aimed to identify clinic staff-perceived barriers to and facilitators of implementing a digital intervention for hypertension self-management among refugee and immigrant patients and to identify its feasibility and usability. Methods: Primary care physicians and medical assistants who care for refugees and immigrants in San Diego were interviewed using human-centered semistructured methods (n=18). Interviews were analyzed using an inductive approach. Usability testing for the software (Med Pro Care) was conducted with participants (n=15) to test the feasibility of real-time tracking of blood pressure (BP) home readings for hypertension self-management. Clinical staff rated their satisfaction on the System Usability Scale and the NASA Task Load Index, which measured mental workload. Results: For refugee and immigrant patients self-managing hypertension, clinical staff identified barriers and facilitators in the following areas: (1) social determinants of health increase hypertension burden among refugee and immigrant patients, (2) clinical staff face challenges to effective hypertension care for refugee and immigrant patients, (3) perceived benefits of potential intervention for self-management, and (4) perceived barriers to potential intervention for self-management. Primary care physicians completed 90% of the tasks, and medical assistants completed 83% of the tasks successfully. Most clinic staff found the software system for monitoring BP to be easy to use with an average score for usability of 4.1 of 5.0 (SD 0.4). Conclusions: Addressing identified barriers to and facilitators of self-management of hypertension is crucial to designing effective interventions in real-world refugee and immigrant health care settings. Telemonitoring interventions using software that transfers BP readings to clinical staff in real time may be feasible from the perspective of clinic staff and can address hypertension disparities in marginalized populations, such as immigrants and refugees. Addressing identified barriers to and facilitators of self-management is crucial to designing effective interventions in real-world refugee and immigrant health care settings. Our findings suggest that clinic staff view digital telemonitoring as both feasible and supportive of patient empowerment, health literacy, and improved communication-factors essential to addressing hypertension disparities in marginalized populations.

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)0,032
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 enseignants0,032
Score d'incertitude au seuil0,171

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,035
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,002
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,049
Tête enseignante GPT0,445
Écart entre enseignants0,396 · 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 Human FactorsMême sujetMigration, Health and TraumaTravaux en français237 207