MétaCan
Menu
Retour à la cohorte
Enregistrement W4414092017 · doi:10.2196/71681

Development and Usability Testing of the Mobile Childhood Asthma Management Program (mCHAMP) App: Sequential Mixed Methods Study

2025· article· en· W4414092017 sur OpenAlexvenueno aff
Robert Lucero, Kristen Shear, Andrea Fidler, David A. Fedele, Yunpeng Xia, David M. Janicke

Notice bibliographique

RevueJMIR Pediatrics and Parenting · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Florida HealthFlorida Department of HealthDefense Health AgencyU.S. Department of Defense
Mots-clésUsabilityAsthmamHealthAsthma managementTest (biology)

Résumé

récupéré en direct d'OpenAlex

Background More than 6 million children in the United States have asthma, and more than 20% are clinically obese. Youth with asthma and obesity are susceptible to poor health outcomes, including greater asthma symptom severity and hospitalizations, reduced physical activity, and poorer quality of life. Mobile health technologies can increase access to chronic disease self-management interventions, and family members can be powerful influencers given their substantial control over a child’s behavior and home environment. Objective The Mobile Childhood Asthma Management Program (mCHAMP) app is based on the in-person Childhood Asthma Management Program (CHAMP) behavioral family intervention pilot trial of school-aged children with asthma and obesity. In this study, we translated the CHAMP content into digital content and conducted summative testing to measure the usability, learnability, and efficiency of the mCHAMP app. Methods We applied a sequential mixed methods approach. The mCHAMP app targeted adult caregivers of children living with asthma and obesity aged 6 to 12 years. A consumer-centered approach was used to guide the identification of user requirements and conduct of summative usability testing. While the mCHAMP app is primarily caregiver facing, it is intended to connect caregivers with registered nurse (RN) interventionists. Therefore, we sought feedback from RNs as key stakeholders. Results Caregivers (n=10) were female (n=10, 100%) and mostly African American (n=8, 80%), and half (n=5, 50%) had an annual household income of Conclusions Caregivers expressed a desire for an intervention that was easy to use and could integrate into their busy family lives. We met this expectation based on the usability, learnability, and efficiency results of our study. The mCHAMP app has the potential to increase self-management for parents and pediatric patients with asthma with multimorbidity, which could improve patient and health system outcomes. The use of mCHAMP may also enable novel clinical outcome studies based on patient-reported data from the app. International Registered Report Identifier (IRRID) RR2-10.2196/13549

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)0,046
score de la tête « metaresearch » (Gemma)0,051
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,242

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0460,051
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,051
Tête enseignante GPT0,454
Écart entre enseignants0,403 · 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'étudeExpérimental (laboratoire)
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'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Pediatrics and ParentingMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207