END USER ENGAGEMENT IN DEVELOPING A SELF-CARE ONLINE APP
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Approximately half a million people in Canada suffer from heart failure (HF), a leading cause of hospital admission. HF outcomes can be improved by self-care behaviors, to which patients often show low adherence. This study focuses on the co-design of an online self-care application and community intervention, called HFApp, which patients with HF and their informal caregivers could use to potentially improve HF outcomes. The intended users for HFApp are older adults with HF and their informal caregivers. The primary objective of this study is to identify themes for the development of HFApp. The secondary objective is to apply these findings to identify user needs and preferences for HFApp. Persona-scenario discussion sessions were conducted with 4 older patients with HF (≥ 60 years) and 4 informal caregivers from the Hamilton Health Sciences Heart Function Clinic. One persona-scenario discussion session was held for each participant type (i.e. patients with HF or informal caregivers). Participants were divided into pairs and participant pairs created personas and scenarios together. Scenarios included: (1) how they learn about HFApp, (2) how they might access HFApp, (3) where they are when they use HFApp, (4) who might help them with HFApp, and (5) how often they use HFApp. All discussions were audio recorded. Data analysis, using NVivo 10 , provided six categories of design themes which were used to develop a list of user requirements for HFApp. Some of these requirements help users perceive HFApp to be more useful and give a sense of self-care confidence. However, some requirements may be excluded due to low feasibility. It is recommended that a larger persona-scenario group session be conducted in the future to support the requirements gathered in this study as well as identify any new requirements.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découle