MétaCan
Menu
← Retour à la cohorte
Enregistrement W4416321124 · doi:10.2196/75391

Development of a Tailored Online Video-Based Assistant to Support Prenatal Screening Decisions in Couples With Limited Health Literacy: User-Centered Design Approach

2025· article· en· W4416321124 sur OpenAlexvenueno aff
Katharina Preuhs, Hilde van Keulen, Jeroen Pronk, Marlies Rijnders, Angelique Wils, Marianne Nieuwenhuijze, Naïma Abouri, Pepijn van Empelen

Notice bibliographique

RevueJMIR Formative Research · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesRijksinstituut voor Volksgezondheid en MilieuZonMw
Mots-clésIntervention (counseling)Prenatal screeningData collectionIntervention mappingPrenatal careHealth careMEDLINE

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Up to 25% of pregnant couples in the Netherlands do not make an informed decision about prenatal screening: their decisions are value-inconsistent or based on insufficient knowledge and deliberation. More than one-third (36%) of the population in the Netherlands has limited health literacy skills, with the majority being individuals with lower levels of education or a migration background. They experience serious problems in understanding health information and taking an active role in decision-making. Therefore, the Dutch Health Council recommends improving decision support for pregnant couples. OBJECTIVE: This study aimed to describe the rationale and systematic design of an online, interactive, and tailored video-based assistant to support pregnant couples with limited health literacy skills in decision-making on prenatal screening. METHODS: The intervention mapping framework was used for the iterative user-centered development of the decision aid prenatal screening. This includes the following steps: (1) a needs assessment among the target group (ie, pregnant couples and counselors), (2) defining change objectives based on the needs assessment, (3) selection of theoretical methods, (4) program production and prototype testing, (5) implementation planning, and (6) preparation for evaluation. Three prototypes of the decision aid were iteratively tested among pregnant couples (with low literacy), counselors, and stakeholders relevant for future implementation. This paper describes steps 1 to 4 of the decision aid development. RESULTS: We developed a decision aid guided by a virtual assistant to promote informed decision-making among pregnant couples (with low health literacy) on prenatal screening. To comply with users' needs, it includes the following four interactive modules: (1) Other people's experiences, (2) Information about the tests (and anomalies), (3) Help me decide, and (4) Further questions. To increase accessibility, it features a menu that allows for adapting the speed of speech, making use of subtitles, and is offered in 3 different languages. To increase implementation and future use of the decision aid, an e-learning tool was developed. The decision aid can be used either as a stand-alone tool by pregnant couples or in combination with a counselor during counseling sessions. CONCLUSIONS: By describing the systematic development of a prenatal screening decision aid designed to support pregnant couples with low health literacy in making well-informed choices, we aimed to contribute to systematic reporting and transparent intervention design. TRIAL REGISTRATION: International Standard Randomised Controlled Trial Registry ISRCTN18016226; https://www.isrctn.com/ISRCTN18016226.

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)0,006
score de la tête « metaresearch » (Gemma)0,010
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: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,242
Tête enseignante GPT0,545
Écart entre enseignants0,302 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetHealth Literacy and Information Accessibility→Travaux en français237 207→