Co-Design of a Digital Health Platform for Chronic Disease Management in Rural Settings Using a Person-Centered, Collaborative-Care Model: Protocol for a 3-Phase Mixed Methods Study
Notice bibliographique
Résumé
BACKGROUND: Chronic diseases represent a significant global burden, accounting for 85% of the total disease burden in Australia. This burden is particularly pronounced in rural areas, where chronic disease rates are higher, and access to health care services is more limited. Digital technology has the potential to address these disparities by overcoming challenges such as workforce shortages and geographic isolation. OBJECTIVE: Our objective is to develop a digital health platform (DHP) to support the monitoring and management of chronic disease in collaboration with rural and regional stakeholders, including researchers, health care providers, and patients. The platform is being designed to be flexible, enabling applications across a range of chronic health conditions relevant to rural contexts. METHODS: Guided by implementation science methodologies, we are adopting an evidence-based approach to developing a DHP for chronic disease management. Informed by co-design frameworks and best-practice guidelines, our development plan comprises three key phases: (1) stakeholder needs analysis, (2) co-design and platform development, and (3) postdesign evaluation and testing. The Federation University Human Research Ethics Committee (HREC Ref: 2023/169) granted ethics approval for this study. RESULTS: Data collection is underway. The phase 1 review has been completed, and we have 84 survey responses. Phase 2 has commenced, with 9 workshops and 2 interviews conducted to date. Phase 3 will not commence until phase 2 has been completed. At this stage, project completion is anticipated by late 2026. CONCLUSIONS: Findings will inform the desirability, feasibility, and acceptability of co-designed DHPs for chronic disease management in rural Australia. Further, the study will contribute to the evidence base on collaborative, context-sensitive digital health innovation for resource-limited populations. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/77844.
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 | 0,100 | 0,104 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,047 | 0,011 |
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 ».