Technology Access and Preferences for Smartphone App Interventions to Optimize Iron Chelation Therapy Adherence Among Adolescents, Young Adults, and Parents of Children Receiving Chronic Transfusions: Cross-Sectional Survey Study
Notice bibliographique
Résumé
Background: Iron chelation therapy (ICT) is essential for people with hematological disorders requiring chronic transfusions to minimize the risk of iron overload, yet suboptimal adherence is prevalent. Widespread use of personal technology makes mobile health (mHealth) an attractive platform to promote adherence. Objective: This study aimed to examine access to mobile technology and preferences for an mHealth intervention to improve adherence to ICT. Methods: A cross-sectional survey that included 63 items assessing technology access, mHealth preferences, and demographics was administered through REDCap (Research Electronic Data Capture), a digital research data tool, during packed red blood cell transfusion visits. Parents of children receiving chronic transfusions, as well as adolescents and young adults receiving chronic transfusions, were enrolled between August 2018 and June 2019. Patients had to have a hematologic diagnosis requiring chronic transfusions, be receiving ICT, and be aged 12 years or older to complete the survey. Parents were required to have a child aged 24 months who met these criteria. Results: A total of 60 participants were included (median age 31.5, IQR 20-39 years; n=40, 67% female), with 29 (48%) being parents and 31 (52%) being patients. All parents and patients owned an electronic tablet, a smartphone, or both. The most endorsed mHealth app features among all participants included laboratory test monitoring (55/60, 92%), reminders to take iron chelation medication (50/60, 83%), and education about ICT (49/60, 82%). Parents' most endorsed features included laboratory test monitoring (27/29, 93%) and education about ICT (25/29, 86%). Patients' most endorsed features included laboratory test monitoring (28/31, 90%) and reminders to take iron chelation medication (28/31, 90%). There were no substantial differences between parents and patients in their preferences. Conclusions: Both parents and adolescents and young adults reported a strong interest in multiple mHealth app features. Participants provided valuable insights into optimal strategies and preferred app features for developing a multifunctional technology-based behavioral intervention to promote ICT adherence.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».