MétaCan
Menu
Retour à la cohorte
Enregistrement W4415393347 · doi:10.2196/73935

A Messaging App Empowering Lifestyle Modification in Chronic Kidney Disease (LINE Official Account “Kidney Lifestyle”): Platform Development and Usability Study

2025· article· en· W4415393347 sur OpenAlexvenueno aff
Chun-Yi Ho, Deborah Siregar, Miaofen Yen, Junne‐Ming Sung, Ming-Cheng Wang, Wei‐Hung Lin

Notice bibliographique

RevueJMIR Human Factors · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUsabilityDigital healthEmpowermentPatient EmpowermentWork (physics)mHealthKidney diseaseMobile apps

Résumé

récupéré en direct d'OpenAlex

Background: Regular lifestyle modification is crucial for chronic kidney disease (CKD) management; yet, older patients often struggle to sustain behavior change and rely on support from their significant others such as family caregivers or partners. In such cases, both members of the dyad require accessible, jointly usable tools to maintain healthier behaviors over time. Given the ubiquity of instant messaging platforms, a digital intervention delivered via such a platform offers strong potential to empower CKD dyads in active lifestyle modification. Objective: Guided by the Digital Dyadic Empowerment Framework, this study aimed to develop, optimize, and test the usability of a digital platform named "Kidney Lifestyle," using the LINE Official Account (OA) and an integrated extended app to facilitate collaborative lifestyle modification among CKD dyads. Methods: We adopted a three-phase Agile-based development cycle: (1) iterative development and trial use, (2) heuristic evaluation, and (3) usability testing. In phase 1, the platform prototype was codeveloped with health care professionals and trialed by CKD dyads who provided feedback on interface clarity, ease of use, acceptance, intention to continue usage, and overall satisfaction. In phase 2, multidisciplinary experts conducted heuristic evaluations, rating compliance with Nielsen's 10 usability principles and suggesting improvements. In phase 3, experienced CKD dyads from phase 1 performed 6 representative tasks using the platform. Task success rates, completion times, and operational errors were recorded, and usability perceptions were assessed using the After-Scenario Questionnaire (1-7) and the System Usability Scale (0-100). Results: In phase 1, 10 CKD dyads (19 individuals) reported high acceptance (mean overall satisfaction 4.1/5), valuing real-time interaction, convenient health data monitoring, and educational resources. In phase 2, 5 experts found high usability compliance (89%-93%) but noted navigation complexity and the need for more interactive feedback. In phase 3, usability testing with 5 dyads showed high task success (60%-100%) and short completion times (1-5 minutes). Extended app tasks used for structured self-monitoring achieved higher satisfaction, reflecting simpler navigation than tasks within the LINE OA (mean After-Scenario Questionnaire 5.64 vs 3.87). Navigation difficulties within LINE OA were likely due to multilayered menus and limited customization. The average System Usability Scale was 67.5, indicating marginally acceptable usability. Conclusions: The LINE-based digital dyadic empowerment platform "Kidney Lifestyle" demonstrated promising usability and engagement. It has clinical potential to improve CKD control by extending health education, enabling continuous self-monitoring, and allowing clinicians to track patients' daily living conditions. To enhance effectiveness, future work should include a larger-scale feasibility trial while pursuing ongoing platform optimization, specifically by simplifying navigation pathways, adding a return option, and improving interactive feedback. The platform is now publicly accessible via LINE ID search, as provided in phase 1 results.

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)0,009
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,055
Tête enseignante GPT0,432
Écart entre enseignants0,378 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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 sujetMobile Health and mHealth ApplicationsTravaux en français237 207